Notice bibliographique
Résumé
This “From the Editors” (FTE) piece1 calls for more literature reviews in management learning and education (MLE). Review articles in MLE are still scarce, which is regrettable since literature reviews are an important research methodology (Snyder, 2019). They hold equal status with empirical, conceptual, and essay articles. Literature reviews are arguably the most impactful genre of academic communication (Patriotta, 2020), owing to their ability to take stock and foster the development of new theoretical approaches (Kunisch, Denyer, Bartunek, Menz & Cardinal, 2022). To encourage the development of more review pieces, in this FTE we clarify the expectations for literature reviews submitted to Academy of Management Learning & Education (AMLE). We begin by discussing the current state of literature reviews in MLE and clarifying their importance as a genre of academic writing. We then outline a three-part structure comprised of promise, perspective, and prospects to guide authors when developing reviews for AMLE.
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 | 0,221 | 0,629 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,071 | 0,042 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,034 | 0,020 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,014 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,027 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».