Notice bibliographique
Résumé
This study examines the role of strategic timing in disruptive innovation. We construct a model where an entrant decides when to enter with a potentially disruptive technology and the incumbent determines whether and when to switch from its existing technology. By accounting for endogenous firm-specific learning alongside exogenous technological improvement, our model highlights the critical role of timing in shaping disruption. First, an entrant’s strategic timing—whether to enter early or delay entry—can cause disruption by deferring the timing of the incumbent’s response or deterring it altogether. Second, we identify conditions where incumbents, even those unable to initially mount a response, can later switch to the disruptive technology and coexist with an entrant. Based on these insights, we propose a typology of five distinct disruption types—Perfect, Postponed, Passing, Phased, and Partial—that expands the traditional understanding of disruption beyond the often-studied “perfect” cases to comprehend transient and mixed cases as well. Our theory of disruptive timing integrates literature on strategic timing and disruptive innovation to offer a new perspective for scholars and actionable insights for practitioners. This paper was accepted by Joshua Gans, business strategy. Funding: This work was supported by the Harvard Business School Division of Research and Faculty Development. Supplemental Material: The online appendices are available at https://doi.org/10.1287/mnsc.2023.01734 .
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».