Bijdragen aan je eigen overbodigheid.\nEen kwalitatief onderzoek naar de ervaren uitdagingen van managers in een lean-agile transitie.
Bibliographic record
Abstract
Door een toenemende externe druk op de gezondheidszorg experimenteren ziekenhuizen vandaag de dag met filosofieën als lean, agile en lean-agile. Eén van de organisaties die zich momenteel bezighoudt met het implementeren van deze laatste variant is de IT-afdeling van ziekenhuis Hygeia. Om hen in deze organisatieverandering te ondersteunen heeft het managementteam besloten om consultancybureau Metis hierbij te betrekken. Dit adviesbureau neemt de managers door middel van zeven managementtrainingen mee in het implementeren van het lean-agile gedachtegoed via het SAFe framework. De keuze die het managementteam van de ITA vervolgens heeft gemaakt is om de midden managers een cruciale rol te geven in de transitie. Zij zullen degenen zijn die de opgedane kennis uit de managementtrainingen moeten introduceren in de teams. Hieruit ontstond de hoofdvraag van dit onderzoek naar de uitdagingen die managers ervaren in de lean-agile transitie binnen de ITA. Door hierbij zowel via semigestructureerde interviews als participatieve observaties de ervaren uitdagingen te onderzoeken bleek hoofdzakelijk dat de midden managers zich in een paradoxale situatie begeven. Deze situatie uitte zich in een gevoel van onzekerheid en hing samen met de aard van de transitie en de discrepantie met de rol van het topmanagement. Hiernaast bleken er ook uitdagingen te bestaan op het gebied van de verschillende plaatsen die de managers innemen in het transitieproces en de ambiguïteit over concepten. Als gevolg van deze uiteenlopende situatie binnen hetzelfde managementteam is nog maar de vraag of de lean-agile transitie kans van slagen heeft en vooral nu de managementtrainingen van consultancybureau Metis zijn afgelopen en het managementteam weer op zichzelf is aangewezen.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".