Exploring the Long Shadow of IT Innovation Adoption Decisions on IT Value
Bibliographic record
Abstract
UN nombre de recherches considérables a déjà été mené en vue de comprendre la valeur des innovations des technologies d’information (TI). Toutefois, la majorité de la recherche existante a étudié cette valeur surtout au stade ex post, indépendamment des conditions ex ante qui facilitent l’adoption de telles innovations. Cet article suggère que les conditions et décisions d’adoption passées laissent une emprunte durable sur la présente évaluation de valeur. Nous développons un modèle conceptuel reliant la valeur des innovations des TI aux motivations à l’origine de l’adoption. La thèse principale suggère que les conditions initiales existantes au stade de l’adoption d’une innovation des TI (ex ante) permettent de comprendre l’accent qui doit être mis sur les différents aspects de la valeur réalisée (ex post). Plus précisément, nous développons une typologie de quatre types de motivation d’adoption qui résultent de la combinaison de deux paramètres d’incertitude dans l’environnement. Ensuite, nous développons des propositions reliant chaque type d’adoption aux différents éléments de valeur des innovations des TI. Cet article permet d’étendre l’état de la recherche sur la valeur des TI (« IT value ») en fournissant une explication de la valeur des innovations TI qui s’aligne sur les motivations premières de l’adoption. De plus, il offre une façon de rassembler deux courants de recherche qui jusqu’ici ont été traités séparément : celui de l’adoption des TI, d’une part, et celui de la valeur des TI, d’autre part.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".