Paradoxes of AI in Organizations
Notice bibliographique
Résumé
Divergent and often contradictory findings suggest that the study of AI in organizations is rife with paradox, persistent contradictions between interdependent elements (Schad, Lewis, Raisch, & Smith, 2016); And yet, management research has thus far fallen short in capturing the complexity of AI’s organizational and societal implications (Raisch & Krakowski, 2021). Given the sheer preponderance of contradictory perspectives in the management literature on AI, such a meta-theoretical approach offers substantive opportunity for capturing the full richness of the dynamic interactions between AI and organizational contexts. For this symposium session, we hope to shine a spotlight on the tensions evoked by AI in organizations and encourage openness to complexity in the rapidly growing literature on AI’s role in organizational systems. Specifically, our presentations will discuss the interdependencies and tensions involved in navigating over-reliance and under-reliance on AI, control and empowerment of employees via AI-powered systems, collaboration and competition with AI as a counterpart, scientific and commercial demands in AI development, and learning and performance goals in implementing AI tools on an organizational level. Navigating Complexity and Tensions in AI Governance in Healthcare Author: Elisabeth Yang; Yale University When Doing the Right Thing is a Moving Target: How Ethical Concerns Evolve as AI Progresses Author: Emmanuelle Vaast; McGill University Algorithmic Frenemies: When Cooperating While Competing with Generative AI Facilitates Learning Author: Benjamin Stephen Poag; New York University Author: Batia Mishan Wiesenfeld; New York University How Does Information Transparency Influence Employees on a Digital Work Platform? Author: Yan Zhang; Beyond Technology: How Organizations Shape Human-AI Collaboration Author: Nan Jia; University of Southern California Author: Albert Choi Roh; University of Southern California
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 | 0,029 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,064 |
| Communication savante | 0,019 | 0,025 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,008 |
| 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 ».