Exercising Judgment in Organizations
Notice bibliographique
Résumé
Judgment is a fundamental concept in management research and relates to several subfields, ranging from human resources (Grandey, Houston & Avery, 2019) and entrepreneurship (Foss & Klein, 2012; Foss, Klein, & Bjørnskov, 2019) to strategic decision-making (Priem, 1994) and business ethics (Mudrack & Mason, 2013). The concept's popularity has resulted in a diversity of understandings and applications – some emphasizing the technical aspects of judgment like precision and accuracy, while others more concerned about judgment as a skillful practice (Tsoukas, Hadjimichael, Nair, Pyrko, & Woolley, 2024). At the same time, judgment is critical for navigating contemporary issues, such as developing leadership traits and character (Crossan, Crossan, Newstead, & Sturm, 2024), evaluating the role of AI in everyday work (Lebovitz, Lifshitz-Assaf, & Levina, 2022), entrepreneurial decision making under conditions of uncertainty and unknowingness (Shepherd, Williams & Patzelt, 2015) and understanding how managers form views and interpret ambiguous evidence in a way that will lead to a good decision (Likierman, 2020) – especially in light of the need to address wicked problems and grand societal challenges (Ackermann, Pyrko, & Hill, 2024). To this end, this symposium aims to focus scholarly attention on the role of judgment in business and management, reflect on its characteristics in a fast-changing world, and discuss the implications and future research directions for judgment as an area of study in business and management research.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».