MétaCan
Menu
Retour à la cohorte
Enregistrement W7104528703 · doi:10.1177/21582440251387390

Navigating Interdependencies In Collaborative Innovation: A Data-Driven Dematel Framework

2025· article· en· W7104528703 sur OpenAlexafffund

Notice bibliographique

RevueSAGE Open · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaLietuvos Mokslo Taryba
Mots-clésInterdependenceBlueprintCorporate governanceKnowledge sharingOpen innovationDynamic capabilitiesCollaborative learningCompetitive advantagePrincipal (computer security)Serendipity

Résumé

récupéré en direct d'OpenAlex

Collaborative innovation is vital for organisational competitiveness, yet the literature still offers an incomplete picture of how its numerous drivers interact. This study advances that understanding by consolidating 34 factors from a content-centric review of recent research and distilling them to eight core variables: market dynamics, knowledge creation and acquisition, technological learning, trust, innovation culture, organisational learning, innovation capabilities and governance. We engage a ten-member panel of academics and industry experts and employ the Decision-Making Trial and Evaluation Laboratory (DEMATEL) method - an innovative multi-criteria decision-making approach - to quantify the causal structure among these factors. The resulting network relationship map shows that trust, innovation culture and organisational learning form the principal engine of collaborative innovation, exerting the strongest net positive influence on the system. Knowledge creation and technological learning surface mainly as outcomes of this relational engine, while market dynamics and governance assume balanced, context-sensitive positions. Innovation capability emerges as a hinge factor, receiving almost as much influence as it delivers, thereby converting relational gains into competitive advantage. By integrating DEMATEL with network visualisation, the study provides one of the first data-driven blueprints for managing the dynamics of collaborative and open innovation. The reference model guides managers in prioritising actions—cultivating trust, fostering an experimentation-friendly culture, institutionalising learning routines and aligning governance with environmental turbulence - across both firm and network levels. Future research should examine the temporal evolution of these interactions and explore how emerging technologies such as AI, digital twins and blockchain further reshape collaborative innovation ecosystems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,355
Écart entre enseignants0,321 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetCollaboration in agile enterprisesTravaux en français237 207