MétaCan
Menu
Retour à la cohorte
Enregistrement W4396851464 · doi:10.25300/misq/2023/16470

Dual Pathways of Value Creation from Digital Strategic Posture: Contingent Effects of Competitive Actions and Environmental Uncertainty

2024· article· en· W4396851464 sur OpenAlexaff
Inmyung Choi, David E. Cantor, Kunsoo Han, Joey F. George

Notice bibliographique

RevueMIS Quarterly · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDual (grammatical number)Value (mathematics)Industrial organizationBusinessValue creationCompetitive advantageKnowledge managementMicroeconomicsEconomicsEnvironmental economicsComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Digital strategic posture (DSP) is defined as a firm’s overall strategic stance toward investing in information technology (IT) initiatives relative to that of rival firms. This study examines how a firm’s DSP affects firm performance. Drawing on the competitive dynamics perspective and contingency view, we demonstrate that DSP influences competitive actions through dual pathways. First, DSP enables firms to take competitive actions that are more appropriate given the level of environmental uncertainty (captured by industry dynamism). In particular, our findings suggest that a proactive DSP enables relatively more innovation-oriented actions in dynamic industries while enabling relatively more operations-oriented actions in less dynamic industries. Second, DSP plays a facilitating role in firms’ execution of competitive actions such that a firm’s value from its proactive DSP is enhanced when there is a fit between the type of the firm’s competitive actions and its level of environmental uncertainty. Specifically, we find that firms with a more proactive DSP achieve superior firm performance from innovation-oriented actions in dynamic industries and from operations-oriented actions in less dynamic industries. Taken together, our findings suggest that a proactive DSP not only allows firms to take appropriate competitive actions that fit their environmental conditions but also contributes to firms’ performance by facilitating the execution of these appropriate actions, thus enhancing their efficacy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,303
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetTechnology Adoption and User BehaviourTravaux en français237 207