MétaCan
Menu
Retour à la cohorte
Enregistrement W4401816742 · doi:10.1016/j.ijis.2024.08.002

The role of multidisciplinary collaborations in publishing innovation

2024· article· en· W4401816742 sur OpenAlexaboutno aff
Rachel Noorda, Okke Schlüter

Notice bibliographique

RevueInternational Journal of Innovation Studies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesErasmus+Portland State University
Mots-clésMultidisciplinary approachPublishingEngineering ethicsLibrary scienceBusinessPolitical scienceSociologyComputer scienceEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

Product innovation is crucial for the future of the publishing industry, and the objective of this study was to understand the role of multi-disciplinarity in publishing innovation teams, typical patterns of interaction between team members, and similarities and differences in multidisciplinary innovation teams across national boundaries (US, Canada, and Germany). This is an exploratory study from Portland State University, Stuttgart Media University and Toronto Metropolitan University based on twenty-one qualitative in-depth interviews with publishing employees involved in the innovation process. The study reveals that multidisciplinary innovation teams are common in all three countries. Using an input-process-output (IPO) model, researchers found three main things: 1) input from outside the company is helpful; 2) corporate culture, familiarity and psychological safety foster creativity during the innovation process; and 3) innovation output is often evaluated by low-cost prototypes presented to the target audience.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,080
Tête enseignante GPT0,415
Écart entre enseignants0,335 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation StudiesMême sujetKnowledge Management and SharingTravaux en français237 207