Translating management research into practice: a six-step path to engage stakeholders
Notice bibliographique
Résumé
Scholars have observed that management research can miss opportunities to translate its findings into practice. Some emphasize the importance of academic-practice collaboration in designing, implementing, and disseminating management research to ensure academic rigor and practitioner relevance. These views align well with evidence-based management perspectives. This paper’s objective aims to describe what a research-to-practice translation path might resemble. This effort describes a six-step model to bridge research and practice identification, engagement, dissemination, exploitation, evaluation, and refresh. It draws on diverse sources of information obtained via purposeful sampling to provide illustrative examples to reflect how researchers or practitioners who translate their work into practice engage with these steps. This work’s contributions involve a roadmap for translation and extension of prior works in the extant literature calling for academic-practice collaboration in designing, implementing, and disseminating management research and multiple research-to-practice experience examples to illustrate how scholars and practitioners embrace such efforts for each phase. It also extends the ongoing academic conversation on this topic. This work proposes avenues for future research to address the limitations of this descriptive narrative. It seeks to refine the proposed model that can aid management researchers in their efforts to translate their works for managers and other practitioners.
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 | 0,281 | 0,233 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,018 | 0,042 |
| Communication savante | 0,039 | 0,048 |
| Science ouverte | 0,007 | 0,043 |
| Intégrité de la recherche | 0,018 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».