Sticky Information Technology Investment: Theory and Empirical Evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle