MétaCan
Menu
Retour à la cohorte
Enregistrement W574941569

Strategic management of technological learning : learning to learn and learning to learn-how-to-learn as drivers of strategic choice and firm performance in global, technology-driven markets

2001· book· en· W574941569 sur OpenAlexaboutno aff
Elias G. Carayannis

Notice bibliographique

RevueCRC Press eBooks · 2001
Typebook
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExperiential learningIncrementalismEmpirical evidenceOrganizational learningStrategic planningKnowledge managementEngineeringStrategic managementBusinessMarketingPolitical scienceComputer sciencePoliticsPsychologyMathematics education
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION The Concept of Decision Under Uncertainty OVERVIEW OF DECISION AND STRATEGY MAKING SCHOOLS The Analytical or Synoptic School of Decision Making The Experiential or Incremental School of Decision Making The Design School of Strategy The School of Strategy The Emergent Learning and Deliberate Planning or Austrian School of Strategy THE CONCEPT OF PARADIGM IN DECISION MAKING The Analytic Paradigm The Cybernetic Paradigm The Cognitive Paradigm THE CONCEPTS OF CULTURE, FEEDBACK, AND LEARNING IN DECISION MAKING AND STRATEGY CRAFTING Culture as a Medium for Learning Feedback as a Tool for Learning Learning: Autonomy and Responsibility STUDY METHODOLOGY Empirical Evidence TRANSPORT MANUFACTURING SECTOR CASE STUDIES Industry Overview Bayerische Motoren Werke AG Daimler-Benz AG Matra Automobile Airbus Industrie PROCESS SECTOR CASE STUDIES Industry Overview Bristol Myers Squibb Miles/Bayer Corp. Compagnie de Saint Gobain SA ELECTRIC POWER GENERATION SECTOR CASE STUDIES Industry Overview Consolidated Edison Duke Power Corporation Rochester Gas and Electric Tennessee Valley Authority Ontario Hydro Electricite de France SYNTHESIS OF THEORETICAL AND EMPIRICAL EVIDENCE Towards an Organizational Architecture of Technological Learning Building Sustainable Competitive Advantage Based on Learning Technology Transfer and Technological Innovation The Meta-Cognitive Paradigm of Decision Making Strategic or Active Incrementalism Empirically Identified Instances of Technological Learning, Meta-Learning and Un-learning in the Organizations Studied CONCLUSIONS AND RECOMMENDATIONS Further Research on Technological Learning APPENDIX REFERENCES

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,003
Communication savante0,0060,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,344
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCRC Press eBooksMême sujetComplex Systems and Decision MakingTravaux en français237 207