READINESS as a new framework for crisis management: academic-industry integrated expert insights from practitioners and scholars
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The study provides an initial empirical examination of Jin et al .’s (2024) new READINESS model through the expert opinions of crisis communication academics and practitioners. Through this examination, the goal is to understand crisis READINESS and how it relates to other key concepts in the crisis literature, such as preparedness and resilience. Design/methodology/approach An exploratory quantitative online survey of 30 experts in crisis communication was conducted. Our participant pool consisted of members from the Crisis Communication Think Tank, which is an established crisis thought leadership network (Jin, 2023). Data collection took place in November and December 2023. Findings Key findings include the dual nature of crisis READINESS as both a process and an outcome, resilience as both a process and an outcome, and preparedness as an antecedent to READINESS. A key distinction between READINESS and preparedness emerged with the former conceived of as a mindset and the latter conceived of as physical tools, training and planning. Originality/value Preparedness and resilience alone are not enough to effectively manage crises and risks, and given this, it is important to study READINESS as a concept beyond (yet connected to) preparedness and resilience. It is our hope that the findings can lead to understanding indicators of crisis READINESS and developing crisis READINESS measurement tools which can equip organizations to more effectively manage crises.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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