Navigating grand challenges: How environmental dynamism shapes robust action and business model innovation
Notice bibliographique
Résumé
Abstract Research Summary This paper develops a theoretical framework that links environmental dynamism, robust action, and business model innovation (BMI) in response to grand challenges. It argues that as environments shift from relative stability to rapid change and disruption, incumbent firms are likely to deepen their engagement in robust action—through participatory architecture, multivocal inscription, and distributed experimentation. These strategies, in turn, lead firms toward BMIs of increasing scope and degree of novelty—from evolutionary (modular, new‐to‐firm) to adaptive (architectural, new‐to‐firm) and focused (modular, new‐to‐industry) BMIs. However, regardless of the level of environmental dynamism, incumbent firms remain generally reluctant to pursue complex BMIs—those both architectural and new‐to‐industry—due to the heightened challenges of managing inter‐organizational partnerships, aligning divergent stakeholder interests, and reconciling external demands with entrenched internal routines. Managerial Summary In today's volatile and fast‐evolving environment, business leaders are under increasing pressure to adopt more substantive approaches to addressing grand challenges. Robust action strategies, which emphasize collaboration, openness to diverse perspectives, and experimentation, offer a potentially effective means for promoting large‐scale transformations needed to address grand challenges. This study suggests that depending on environmental turbulence, companies may pursue robust action in distinct ways. This, in turn, requires changes of varying scope and novelty in their business models, from incremental adjustments to a radical redesign of their core business model elements. However, companies often resist complex business model changes due to organizational inertia, the need to coordinate complex partner networks, and conflicting stakeholder interests.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».