“Problems” with AI: How Artificial Intelligence Helps Frame and Formulate Problems in Organization
Notice bibliographique
Résumé
This symposium investigates the intersection of two topics that are gaining traction in academic conversations across the Academy. The first is based on a phenomenon, which is the rapid rise of generative AI technologies that are transforming work and posing serious questions about how they will affect human productivity and well-being. The other is based on theory, which is the rising awareness that effective strategies for innovation and management depend on their fit with the nature of problems that they aim to solve, which in turn depends on how well individuals frame and formulate problems. Scholars have been theorizing on the importance of framing and formulating “problems” for several decades, but the topics have received growing interest in recent years due to prominent publications highlighting their fundamental role in (a) defining opportunities to pursue during strategic decision-making, (b) providing a focal point for gaining resources in entrepreneurial ventures, and (c) creating the fundamental context in which problem-solving occurs to drive creativity and innovation. Problem framing and formulation are likely to become even more important for organizational actors in organizational research because generative AI technologies are effective in and increasingly capable of creating solutions across various tasks, modalities, and contexts once problems are clearly defined. Therefore, this symposium is both timely and relevant to help shape the conversation on these important topics, which will be facilitated by many leading voices in the field. Human-AI Interaction: Dividing the Labor, Interrogating, Doom and Delight Author: Hila Lifshitz-Assaf; Warwick Business School Author: Steven Randazzo; Warwick Business School Envision the Future or Critique the Past: A Theory of Evaluating Problems for Innovation Author: Johnathan Cromwell; U. of San Francisco Author: Jean-François Harvey; HEC Montréal Author: Andy El-Zayaty; Leavey School of Business, Santa Clara U. Machine Predictions and Causal Explanations: Evidence from a Field Experiment Author: Xi Kang; Vanderbilt U. Author: Hyunjin Kim; INSEAD Understanding Motivations of Open Artificial Intelligence Developers: Evidence from GitHub Author: Savindu Herath; ETH Zurich Author: Patrick Tinguely; ETH Zürich
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 | 0,021 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,057 |
| Communication savante | 0,028 | 0,037 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».