Intuition in Organizations: New Research Directions
Notice bibliographique
Résumé
This 15th annual intuition symposium at AoM showcases new research directions in the discipline. The empirical contributions investigate the role of intuition in academic output and organizational forecasting. The conceptual contributions compare and contrast intuition with tacit knowledge and artificial intelligence. Both research streams are bound together through a contribution about a theoretically grounded training method that bears both conceptual and empirical implications. Specifically, Yaakobi et al. investigate the relationship between intuitive vs. analytical cognitive style of scientists and their research output, highlighting the difference between the number of publications and their impact factor, depending on job complexity. Innes illustrates how intuition contributes to individual foresight in organizational context and evaluates the implication for HR management. Culham investigates a non-western view on intuition, used to develop a training method suitable for a western classroom, and introduces a different understanding of intuition from the engineering discipline. Grant explores the similarities and overlaps between tacit knowledge and intuitive expertise, thus further developing the concept and speculating how the distinction might inform the current debate about artificial intelligence (AI). Finally, Bas and Dörfler compare and contrast AI capabilities and intuition functions, as defined by its six necessary features. Cognitive Style of Scientists and their Publication Performance Author: Erez Yaakobi; Ono Academic College Author: Jacob Weisberg; Bar Ilan U. Author: Talya Miron-Shatz; Ono Academic College Individual Foresight and Intuition in Organizations Author: Melissa Innes; U. of Sunshine Coast Cultivating Oneness as a Path to Intuition Author: Tom Elwood Culham; Beedie School of Business Simon Fraser U. A Knowledge-Based View on Intuition – Relationship between Intuitive Expertise and Tacit Knowledge Author: Michael Grant; Uppsala U. Can AI Have Intuition? Author: Alina Bas; New York U. Author: Viktor Dorfler; U. of Strathclyde Business School
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 | 0,016 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,031 |
| Communication savante | 0,011 | 0,031 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».