MétaCan
Menu
Retour à la cohorte
Enregistrement W4408092478 · doi:10.1109/tem.2025.3547691

Sticky Information Technology Investment: Theory and Empirical Evidence

2025· article· en· W4408092478 sur OpenAlexafffund
Peng Liang, Hasan Cavusoglu, Nan Hu

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of ChinaMinistry of Education - Singapore
Mots-clésIndustrial organizationBusinessInvestment (military)Information technologyKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

This article provides a new way of thinking about managerial discretion in information technology (IT) investment decisions. We delve into the existence, antecedents, and consequences of sticky IT investment behavior, an understudied managerial deliberate resource commitment decision in response to changes in sales. Guided by downsizing theory, we initially theorize and find that IT investments exhibit stickiness: IT investments move downward less for sales decreases than they move upward for equivalent increases. Then drawing upon agency theory, adjustment costs theory, and managerial expectations theory—which influence managers’ motivation for downsizing—we predict and demonstrate that managers’ empire-building incentives, their avoidance of adjustment costs, and their optimism regarding future sales strengthen their engagement in sticky IT investments. Furthermore, we introduce and operationalize three novel measures of firm-specific IT investment stickiness that reflect slack IT resources during sales downturns, respectively, capturing the influence of empire-building incentives, adjustment costs, and managerial optimism. Built on these measures, we uncover that the degree of stickiness in a firm's IT investments offers additional insights into predicting future performance, growth in future IT labor, and growth in future sales. Overall, our work formulates an integrative conceptual framework for understanding sticky IT investment that incorporates the presence and antecedents of managers’ asymmetric IT investment decisions, as well as the implications of firm-specific sticky IT investment for forecasting future corporate outcomes. We discuss these findings and their practical and theoretical implications in detail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,005
Communication savante0,0050,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetEconomic Growth and DevelopmentTravaux en français237 207