MétaCan
Menu
Retour à la cohorte
Enregistrement W4410942771 · doi:10.1016/j.ijme.2025.101215

Developing innovation capabilities through Programme Communities of Practice: Evidence from Wales

2025· article· en· W4410942771 sur OpenAlexfundno aff
Gary Walpole, Zheng Liu, Nick Clifton, Songdi Li

Notice bibliographique

RevueThe International Journal of Management Education · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensnon disponible
Organismes subventionnairesLlywodraeth CymruCardiff Metropolitan UniversityUK Research and InnovationNational Search and Rescue Secretariat
Mots-clésBusinessSociologyEnvironmental planningPublic relationsKnowledge managementEconomic growthEngineering ethicsRegional sciencePolitical scienceGeographyEngineeringComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This paper presents empirical evidence on how publicly funded programme communities of practice (CoPs) enhance learning and innovation activities at the organisational and inter-organisational level, which in turn develop organisation's innovation capabilities. It draws upon studies on two programme CoPs in Wales and presents eight case studies. Findings reveal, firstly, that CoP can promote the learning of new tools, knowledge, and technologies to encourage product and service innovation. Secondly, CoPs can promote innovative solutions to common challenges, such as implementing circular economy principles. Thirdly, CoP can facilitate collaborative inter-organisation innovation. Our paper answers the recent call for empirical research on the role of publicly funded collaborative projects that support business to innovate. It also expands the understanding of adopting CoP for management education. Practically the framework we developed can guide policy makers and practitioners on how universities can share risk, knowledge, and support organisations to develop their innovation capabilities and achieve sustainable development.

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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,068
Tête enseignante GPT0,347
Écart entre enseignants0,279 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Management EducationMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207