MétaCan
Menu
Retour à la cohorte
Enregistrement W4409480390 · doi:10.1287/isre.2021.0230

Beyond Digital vs. IT: The Untold Story of Their Relationship from an Organizing Logic Perspective

2025· article· en· W4409480390 sur OpenAlexaff
Abayomi Baiyere, Markus Philipp Zimmer, Kalina Staykova, Jan Jöhnk

Notice bibliographique

RevueInformation Systems Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Computer scienceDigital transformationInformation technologyKnowledge managementData scienceWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Organizations often feature digital and information technology (IT) units, suggesting that managers perceive digital technology as different from IT. However, these units do not coexist in silos; rather, they interact in pursuit of organizational goals. In this study, we investigate the interactions between the digital and IT units of three organizations undergoing digital transformation. We find that these interactions reflect three relationships with varying dynamics. The interplay of these dynamics shape organization’s digital transformation efforts. We outline three considerations for managing these dynamics productively. First, we outline conditions that determine the dynamic (e.g., synergistic or conflicting) more likely to manifest. These conditions depend on the (in)compatibility between the units’ need to interact and the strategic, routine or technology rationales they draw on. We caution against seeking compatibility at all costs. Rather, managers should consider the context of each interaction before deciding how to influence these dynamics. Second, we found that interpersonal relationships, hiring talent with diverse perspectives, or establishing idea exchange forums can help to foster productive collaborations. However, they alone do not determine these dynamics. Third, cross-unit relationships is important for accomplishing organizational goals like digital transformation. Managers should proactively nurture such relationships to foster collaboration among units.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,008
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,049
Tête enseignante GPT0,316
Écart entre enseignants0,267 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Systems ResearchMême sujetInformation Technology Governance and StrategyTravaux en français237 207