Theorising forward: positioning deductive elaboration in the Information Systems research repertoire
Notice bibliographique
Résumé
Theorising plays a foundational role in Information Systems (IS) research. While the field has made important advances through theory borrowing, via adaptation and instantiation, as well as through contextualisation of established frameworks and models, comparatively little attention has been devoted to the elaboration of existing theories through structured, logic-driven approaches. This commentary problematises that imbalance and advances the concept of deductive theory elaboration as a valuable, yet underutilised, form of theorising in behavioural IS research. We define deductive theory elaboration as a process that extends existing theories by introducing conceptual modifications to their constructs, relationships, or boundary conditions prior to empirical testing. We distinguish this approach from related forms of theorising and propose a four-step framework supported by a repertoire of elaboration patterns for both variance and process theories. We also offer practical reporting guidelines to promote transparency and rigour in elaboration-based contributions. Our aim is to encourage more systematic elaboration efforts to enhance the precision, generalisability, and cumulative potential of IS theories, an optimistic vision of how behavioural IS research can evolve to meet the conceptual challenges of a rapidly transforming digital landscape.
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 | 0,101 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,073 |
| Communication savante | 0,020 | 0,034 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,006 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».