MétaCan
Menu
Retour à la cohorte
Enregistrement W4413300837 · doi:10.1002/smj.70003

Cutting the apron strings: Establishing optimal distinctiveness from mentors in creative industries

2025· article· en· W4413300837 sur OpenAlexafffund
Daphne Demetry, Rachel Doern

Notice bibliographique

RevueStrategic Management Journal · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensMcGill University
Organismes subventionnairesQueen's UniversityImperial College LondonSocial Sciences and Humanities Research Council of CanadaBoston CollegeUniversity of AlbertaNorges Teknisk-Naturvitenskapelige Universitet
Mots-clésOptimal distinctiveness theoryBusinessIndustrial organizationMarketingEngineeringPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Research has established that organizations benefit from “optimal distinctiveness,” that is, being sufficiently similar to and different from competitors. However, we know less about producers' strategic positioning choices to establish optimally distinctive identities. We explore this question through a qualitative study of chef‐owners who started their own restaurants after training with well‐known mentors. We identify two trajectories followed by chefs to establish optimal distinctiveness—legacy and divergent—and their components: interpersonal origins, strategic material and symbolic practices, tensions, and performance outcomes. Our study contributes to research by providing a more complete picture of how creative producers attempt to find an optimal balance between similarity to and difference from mentors, and the constraints they face in their strategic choices, including how these change over time.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,568
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,321
Écart entre enseignants0,284 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetMentoring and Academic DevelopmentTravaux en français237 207