In the Wake of Digitalization: Examining Processes and Tensions of Technological Change
Notice bibliographique
Résumé
This symposium examines the myriad consequences wrought by digital transformations in organizations and industries: intended, unintended, and corollary. As categorized by Scott and Orlikowski (2022), intended consequences generated through technological change are usually visible and anticipated; unintended consequences are similarly visible and direct, but unanticipated; and less visible, indirect corollary effects occur when digitalization challenges institutional values, norms, and rules in industries, potentially displacing them. Papers in this symposium address research questions related to knowledge production, workers’ mobility in labor markets, and change management, all with respect to how digitalization transforms organizations and industries. By exploring these questions in research contexts such as Wikipedia, digital labor markets, information services, and agencies that maintain public infrastructure, this symposium advances research on how digitalization transforms industries in not only a direct, but also indirect, pathways. By grappling with different kinds of “changes occurring at some temporal and spatial remove from the main events” (Orlikowski & Scott, 2023, 2), the four papers in this symposium provide the opportunity to clarify and build on conceptual differences among different types of technological changes and their outcomes using examples of industries being digitalized. Anticipating the future of Wikipedia’s regime of knowing in the GenAI era Author: Shani Evenstein Sigalov; Tel Aviv U. Author: Lior Zalmanson; Coller School of Management, Tel Aviv U. Author: Stella Pachidi; U. of Cambridge Examining Workers’ Mobility in Online Labor Markets Author: Hatim A. Rahman; Northwestern Kellogg School of Management Anticipatory Control in the Digital Transformation of Water Infrastructure Author: Virginia Leavell; Cambridge Judge Business School Software as subterfuge for subordination: Unintended consequences of digitalization in a library Author: Jennifer Lauren Nelson; U. of Illinois at Urbana-Champaign
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,022 |
| Communication savante | 0,017 | 0,031 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».