Environment for innovation: exploring associations with individual disposition toward change, organizational conflict, justice and trust
Notice bibliographique
Résumé
The environment in higher education and healthcare is rapidly changing. Adaptation through innovation is critical for organizations responsible for the education of healthcare providers. This study examined the climate for innovation at chiropractic colleges and health sciences universities offering a doctor of chiropractic program. The relationship between conflict, resistance to change, trust, justice, and climate for innovation was explored. Prior research involving these variables at chiropractic colleges or health sciences universities offering a doctor of chiropractic program is extremely limited. The chiropractic profession is experiencing significant challenges including market competition, internal conflict, and significant healthcare policy change. Adding to the dilemma, enrollment at chiropractic colleges has experienced a substantial decline over the past decade.\nThis study surveyed faculty at all chiropractic colleges and health science universities offering a doctor of chiropractic program in the United States and Canadian Memorial Chiropractic College. A response rate of nearly 50% was achieved. Data analysis showed higher levels of organizational trust and justice were associated with higher perceptions of climate for innovation. The relationship between justice and climate for innovation was not mediated by trust. Additionally, higher levels of resistance to change and increased conflict between administration and faculty were associated with lower perceptions of climate for innovation. The study findings offer insight for chiropractic colleges and health sciences universities offering a doctor of chiropractic program wishing to promote innovation.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».