MétaCan
Menu
Retour à la cohorte
Enregistrement W581111196 · doi:10.17705/1cais.03316

IT Industry Analysts: A Review and Two Research Agendas

2013· review· en· W581111196 sur OpenAlexaff
Jean-Grégoire Bernard, R. Brent Gallupe

Notice bibliographique

RevueCommunications of the Association for Information Systems · 2013
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensQueen's University
Organismes subventionnairesBusiness School, University of AucklandUniversity of Auckland
Mots-clésOrder (exchange)BusinessEarly adopterWork (physics)Stock (firearms)Competitive advantageIndustrial organizationThrough-the-lens meteringMarketingFinanceEngineeringLens (geology)

Résumé

récupéré en direct d'OpenAlex

The firms involved in analyzing the information technology industry (IT), such as Gartner, Forrester, and IDC, are reputed to have a major impact on both IT vendors and IT adopters through their influence over how IT actually is acquired and used. The purpose of this article is to take stock of the nascent stream of research on industry analysts that has developed in recent years in order to shed some light on the IT analysis industry―to analyze the IT industry analysts, if you will. Using an organizational field-level lens, we look at the business models of the firms that operate in this industry. We examine the main institutional work that the analysts in these firms perform as status arbiters, institutional carriers, network brokers, IT fashion setters, and knowledge entrepreneurs. We examine the competitive and institutional pressures faced by analysts in these firms. Finally, we propose two research agendas: (1) to study the impact that this industry has had, and could continue to have, on the IT industry as a whole, and (2) to study how the relationship between the academic information systems community and the IT analysis industry might co-evolve.

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)0,010
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0170,023
Études des sciences et des technologies0,0010,002
Communication savante0,0040,008
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,230
Tête enseignante GPT0,429
Écart entre enseignants0,199 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications of the Association for Information SystemsMême sujetInnovation and Knowledge ManagementTravaux en français237 207