Meta-organizing on the fly in times of crisis: The emergence and morphing of COVID-END
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
Meta-organizations are created to address issues of common concern that require collaboration from various organizational actors. In crisis situations, the bringing together of independent organizations with different roles could be important to support crisis response. In this paper, we draw on a real-time qualitative case study, that of COVID-END (i.e., the COVID-19 Evidence Network to support Decision-making), to examine how and why meta-organizing might emerge, evolve and dissolve (or not) during the lifecycle of a crisis situation. We show how in the midst of a highly volatile crisis, organizations dedicated to promoting evidence-based knowledge were able to coalesce around a common goal, despite prior failed attempts to create a form of collaboration. We call this process meta-organizing on the fly and trace its development over time through periods of emergence, shapeshifting and transition that imply different forms of identity work, boundary work and practice work. We contribute to the literature by showing how an environmental shock can alter the motivational landscape for meta-organizing suddenly and intensely, and we reveal the critical, yet paradoxical role of centralized leadership in enabling it to take form and potentially sustain itself. While inter-organizational rivalry may re-emerge over time, we suggest that meta-organizing on the fly nevertheless has the potential to lead to longer term transformation of organizational relations towards enhanced collaboration, and the recreation of other meta-organizational forms.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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