دانلود رایگان ترجمه مقاله سیکل نظریه سازی در پژوهشهای مدیریتی – ۲۰۰۴

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی:

مقدمه:

برخی از محققان علم سازمان و استراتژی، تلاش قابل توجهی را برای دفاع از روش های مختلف تحقیق انجام داده اند. بحث در مورد استقرایی یا قیاسی بودن شکل گیری تئوری و هدف اطلاعات از مشاهدات میدانی در مقابل نمونه داده های عددی بزرگ، دوبخش جداگانه هستند که غالباً در زندگی ما و کسانی که دانشجویان ما هستند وجود دارد. با وجود این، برخی از اعضای محترم حرفه ای تحقیق ما همچنان نگرانی هایی دارند که تلاش های جمعی از دانشگاهیان تنها محدود به تولید اندک از تئوری است که باید دقیق و عملا مفید باشد، و همچنین قادر به آزمون کردن در زمان و شرایط در حال تغییر باشد. هدف از این مقاله این است که فهرست مطالبی از فرایند تئوری پردازی را ارائه نماید که میان داده، روش ها و تئوری ارتباط برقرار می کند. ما امیدواریم که این مدل بتواند یک زبان مشترک در مورد فرایند پژوهش فراهم کند که کمک کند به دانشمندان مدیریت تا بتوانند نقش انواع داده ها و پژوهش ها را بهتر درک کنند، و به وسیله آن بتوان در کارهای دیگر موثرتر بود.

مبنای تجزیه و تحلیل ما در دوسطح است: پروژه های پژوهشی فردی و چرخه های مکرر از تئوری پردازی که در آن پژوهشگران بر اساس کارهای دیگر تلاش می کنند. مدل ترکیب و افزودن مطالعات دیگر از اجتماعات دانشمندان در مجموع تئوری معتبر و قابل اعتماد را شکل می دهد. این مفاهیم هنجاری و آموزشی برای هدایت پژوهش ها، ارزیابی کار دیگران، آموزش دانشجویان دکتری ما، و طراحی دوره های آموزشی ما استفاده می شود.
در حالی که احساس خوب در درک آنها از این دیدگاه این بوده است که بر اساس مشاهدات ما بسیاری از کسانی که در مورد فرایند پژوهش چیزی نوشتند، و آنهایی که در تفکر و تمرین خبره هستند، هنوز حتی به یک زبان مشترک نرسیده اند. واژگان مشابه در پدیده ها و فرایندهای مختلف استفاده می شوند، و همان پدیده ها می توانند به کلمات و واژگان مختلف نامیده شوند. مقالات منتشر شده در نشریات معتبر اغلب قواعد ابتدایی برای قابلیت اعتماد و اعتبار نظریه را نقض می کنند. در حالی که اذعان به دستیابی به اجماع در یک فرایند پژوهش دشوار است، ما ادعا می کنیم اگر دانشمندان و دست اندرکاران مدیریت یک درک مشترک از چگونگی شکل گیری نظریه داشته باشند، ما بهتر می توانیم پژوهش را انجام دهیم. اما نقطه اشتراک استانداردهای دشوار علمی و کمک های مدیران شناختن چگونگی کارهایی است که منجر به خواسته های آنها شود.
هدف ما در این مقاله این نیست که از دیگر کارهای علمی به عنوان یک تئوری خوب یا یک تئوری بد تمجید کنیم یا انتقاد کنیم: تقریباً تمام بخش های منتشر شده از تحقیقات دارای نقاط قوت و کاستی های منحصر به فرد می باشد. ما مثال هایی را از دیگر تحقیقات علمی در مقاله ذکر خواهیم کرد، اما ما این کار را تنها برای نشان دادن فرایند تئوری سازی انجام می دهیم. ما امیدواریم که مدل شرح داده شده در این مقاله یک قالب و زبان متداولی را که از دیگر کارهای علمی نیز استفاده کرده است ارائه نماید.
در بخش اول از چهار بخش این مقاله، ما یک فرایند سه مرحله ای که پژوهشگران برای ارائه تئوری انجام می دهند را تشریح می کنیم. در بخش دوم، ما در مورد نقش اکتشافات از ناهنجاری در ساخته شدن بهتر تئوری بحث می کنیم. در بخش سوم ما تشریح می کنیم چگونه کسانی که تئوری را می سازند، ارزیابی می کنند و بکارگیری می کنند می توانند بگویند آیا آنها می توانند به یک تئوری اعتماد کنند- آیا آن تئوری در شرایطی که آنها پیدا می کنند معتبر و کاربردی است. در نهایت در بخش چهارم ما پیشنهاد می کنیم چگونه دانشمندان می توانند در رشته پژوهش درگیر شوند- برای طراحی دوره های دانشجوئی در جهت کمک به تئوری پردازی بهتر.

بخش اول: فرایند تئوری پردازی
تئوری پردازی در دو مرحله اصلی اتفاق می افتد که عبارتند از: اول مرحله تشریحی و دوم مرحله هنجاری و اصولی. در هر کدام از این مراحل، سازندگان تئوری یک فرایند را در سه گام انجام می دهند. فرایند تئوری پردازی از طریق این سه گام، مدام تکرار می شود.
در گذشته محققان مدیریت برای ارائه تئوری از توجه به این گام ها غافل بوده اند و یا تنها به یکی از این گام ها توجه می شد. به عنوان مثال واژگانی مانند “تئوری سودمندی” در اقتصاد، “تئوری احتمال” در طراحی سازمان، تنها به گام فردی در فرایند تئوری پردازی توجه شده است. ما پیشنهاد می کنیم سودمندتر است که تفکر در مورد تئوری به عنوان بدنه ادراکی باشد که محققان برای جمعبندی فعالیت های خود بر اساس این سه گام و در دو مرحله تشریحی و هنجاری استفاده نمایند. از بسیاری جهات بهتر است که واژه تئوری به همان اندازه که به عنوان یک اسم است، به عنوان یک فعل نیز باشد. به این دلیل که بدنه اداراکی آن مدام در حال تغییر است و توسط دانشمندان توسعه می یابد.

تئوری پردازی های تشریحی
مرحله تشریحی در فرایند تئوری پردازی یک مرحله مقدماتی و اولیه است، زیرا محققان به طور کلی بایستی از این مرحله عبور کنند تا بتوانند تئوری هنجاری و اصولی پیشرفته تری بسازند. سه گامی که محققان بایستی برای ساختم تئوری های تجویزی و اصولی انجام دهند شامل مشاهده، طبقه بندی و وابسته سازی می باشد.

گام ۱: مشاهده
در گام نخست محققان پدیده ها را مشاهده می کنند و به دقت توصیف می کنند و آنچه را که دیده اند اندازه گیری می کنند. مشاهده با دقت، مستندسازی و اندازه گیری پدیده ها با کلمات و اعداد در این گام بسیار با اهمیت است زیرا اگر محققان بعدی نتوانند بر توصیف پدیده به توافق برسند، سپس ثابت کردن تئوری مشکل خواهد بود. مطالعات اخیر مدیریت مانند “کارکردها و توابع اجرایی” (Barnard, 1939) و مواردی که در دهه ۱۹۴۰ و ۱۹۵۰ در دانشکده بازرگانی هاروارد نوشته شده است کار توصیف را به این شیوه انجام داده اند که بسیار ارزشمند می باشد.
این گام از تحقیق در نمودار شماره (۱) به عنوان پایه هرم نشان داده شده است زیرا این یک بنای ضروری برای کار است. پدیده هایی که در این گام جستجو می شوند تنها شامل چیزهایی مانند افراد، سازمانها و تکنولوژی ها نمی شوند، بلکه شامل فرایندها نیز می شود. این مشاهدات در هر کجا می تواند انجام شود، در امتداد یک زنجیره از تجزیه و تحلیل پایگاه های داده بزرگ تا انتهای آن، و از سوی دیگر مبتنی بر رشته و مشاهدات مردم شناسی.
محققان در این گام اغلب توسعه می دهند که به آن “سازه” می گوییم. این سازه ها انتزاعی هستند و به ما کمک می کنند که جزئیات بیشتری از پدیده ها و چگونگی عملکرد آن را شناسایی کنیم. جوزف باورز مدیریت فرایند تخصیص منابع (۱۹۷۰ میلادی) نمونه این موضوع است. سازه او از “محرک” و “زمینه”، توضیح می دهد چگونه مقدار حرکت برای ایجاد در پیشنهادات سرمایه گذاری خاص و عدم یکی شدن در پشت سر دیگران، کمک می کند به تولید سیاست و استراتژی محققان برای تصمیم گیری درباره سرمایه گذاری های استراتژیک. تعریف اقتصاددانان از مفاهیم “سودمندی” و “هزینه های معاملات” سازه های انتزاعی هستند که به ما کمک می کنند تا کلاسی از پدیده ها که آنها مشاهده کرده اند را درک نماییم.

گام ۲: طبقه بندی
پس از مشاهده و توصیف پدیده ها، در گام دوم محققان این پدیده ها را در دسته های مختلف طبقه بندی می کنند. در مرحله تشریحی از تئوری پردازی، طبقه بندی هایی که دانشمندان انجام می دهند به طور معمول صفات پدیده های را توصیف می کند. از جمله نمونه های طبقه بندی استراتژی شرکت ها شامل شرکت های متنوع در مقابل شرکت های متمرکز، و شرکت های عمودی یکپارچه در مقابل شرکت های تخصصی می باشد. تجارت عمومی در مقابل تجارت اختصاصی نیز یک نمونه از طبقه بندی شرکت ها در زمینه عملکرد مالی آنها می باشد. این طبقه بندی ها تلاش می کنند تا روابط بین پدیده ها و خروجی های مورد انتظار آنها را ساده سازی و سازماندهی نماید.
محققان مدیریت اغلب به این طبقه بندی های تشریحی به عنوان چارچوب و گونه شناسی ارجاع می دهند. برای مثال بورگلمن و سایلس (۱۹۸۶) بر اساس سازه باورز (۱۹۷۰) دو نوع زمینه متفاوت سازمانی و استراتژیک را تعریف کرده اند.

گام ۳: تعریف روابط
در گام سوم، محققان ارتباط و همبستگی بین دسته های مختلف و خروجی های مشاهده شده را جستجو می کنند. در مرحله تشریحی تئوری پردازی، محققان تفاوت صفات مختلف را شناسایی می کنند و روشن می سازند، مرتبط ساختن و ارتباطات آنها نیز بر اساس الگوهای سودمندی از خروجی ها انجام می شود. تکنیک هایی مانند تجزیه و تحلیل بازگشت در تعریف این ارتباطات سودمند می باشد. ما اغلب خروجی های این مرحله را به صورت مدل و الگو نمایش می دهیم.
تئوری تشریحی میزان ارتباط و همبستگی بین صفات طبقات مختلف در پدیده ها و خروجی ها را نشان می دهند. برای مثال، هاتون، میلر و اسکینر (۲۰۰۰) چگونگی پاسخ قیمت سهام به اعلام های درآمد را آزمون کرده اند. آنها انواع واژه ها و عبارات در اظهارات را با تغییر در قیمت سهام به عنوان متغیر های تشریحی در یک معادله ی رگرسیون کدگذاری نمودند.
این تجزیه و تحلیل ها محققان را قادر می سازد تا به طور متوسط در سراسر یک نمونه از کل شرکت ها و اطلاعیه ها، با روش خاصی واکنش مطلوب (و یا با کمترین نامطلوبی) به قیمت سهام داشته باشند. تحقیقات مانند این مورد در تئوری تشریحی با اهمیت است. با این حال تا این مرحله تنها می توان ادعا کرد به طور متوسط چه ویژگی هایی هستند که با بهترین نتایج را همراه خواهند بود. ..

چگونه تئوری در مرحله تشریحی بهبود می یابد
هنگامی که پژوهشگران در این هرم سه گامی از پایین به بالا حرکت می کنند –مشاهده، طبقه بندی و تعریف روابط، و ساختن مدل ها و چارچوب ها- در حقیقت آنها بخش استقرا را در فرایند تئوری پردازی طی کرده اند. پس از آن محققان می توانند با چرخش از بالا به پایین در بخش استقرائی این هرم مشغول بهبود تئوری ها شوند و به دنبال آن فرضیه هایی که به صورت قیاسی فرموله می شوند را “تست” نمایند. این امر اغلب از طریق بررسی اینکه آیا ارتباط بین ویژگی ها و نتایج در یک مجموعه متفاوت از داده ها نسبت به داده هایی که از آن روابط فرضیه القا شده انجام می شود.
هنگامی که محققان یک تئوری در یک مجموعه جدید از داده ها را تست می کنند (که آیا داده ها اعدادی در یک کامپیوتر هستند و یا مشاهدات میدانی در یک زمینه جدید)، آنها در داده های جدید ویژگی هایی از پدیده ها را پیدا می کنند که در واقع با نتایج پیش بینی شده ارتباط دارد. هنگامی که این اتفاق می افتد، این تست تئوری ارائه شده در شرایط تحت مشاهده را تایید می کند. با این حال محققانی که در این نقطه متوقف می شوند به سادگی به مدلی که در بالای هرم تست شده است باز می گردند اما دیگر بهبود نمی یابد.
این تنها زمانی است که یک ناهنجاری شناسایی شده–نتیجه ای که این تئوری نمی تواند محاسبه کند- و فرصتی برای بهبود تئوری به وجود می آید. همانطور که شکل شماره (۱) نشان می دهد، کشف ناهنجاری به محققان فرصتی برای مشاهده دوباره لایه های پایه ای در هرم تئوری می دهد – برای تعریف و اندازه گیری پدیده هایی که دقیق تر و کمتر دوپهلو هستند، و یا تقسیم آن به دسته های جایگزین- بنابراین این ناهنجاری ها و نتایج می توانند توضیح داده شوند. به عنوان مثال در مطالعه ای که در خصوص چگونگی تاثیر نوآوری های تکنولوژیکی بر رهبری شرکتها در آینده انجام شده ، در اوایل طرح طبقه بندی بر اساس ویژگی ها شامل ویژگی رادیکال در برابر ویژگی نوآوری افزایشی بوده است. عبارت های مربوط به همبستگی در هنگام استفاده شرکت ها از ویژگی نوآوری افزایشی بهتر عمل کردند، اما در مواجهه با تغییرات رادیکالی اشتباه کردند. اما برخی شرکت ها که در استفاده از ابزار تکنولوژی رادیکال موفق بودند با تعمیم این طبقه بندی مخالف بودند.
به همین جهت توماس و اندرسون (۱۹۸۶) طرح طبقه بندی متفاوتی را ارائه نمودند که عبارت بود از تغییرات تکنولوژیکی ارتقاء شایستگی ها در برابر تخریب شایستگی ها. این طبقه بندی جدید بسیاری از مخالفت ها را با طرح طبقه بندی اولیه از بین برد. اما محققان بعدی جنبه های جدیدی از طرح طبقه بندی توماس و اندرسون را کشف نمودند. برای نمونه هندرسون و کلارک (۱۹۹۰) طبقه بندی نوآوری های مدولار و پیمانه ای را در مقابل معماری ارائه نموده اند. و یا کریستنسن (۱۹۹۷) طبقه بندی تکنولوژی های تقویت کننده در مقابل از هم گسیخته را ارائه کرده است. و گیلبرت (۲۰۰۱) طبقه بندی تهدید در مقابل فرصت را ارائه کرده است. همچنین دانشمندان کشف کردند که با تجزیه کردن فرضیات در روش های مختلف و تعریف وابستگی های میان طبقه بندی های مختلف و خروجی های مورد انتظار آنها، این مخالفت ها قابل حل شدن می باشد.
نمودار شماره ۱: فرایند تئوری پردازی

در راستای بسیاری از مباحثی که در مورد مزایای روش های قیاسی و استقرایی (روش های کمّی و کیفی) انجام شده است، پیشنهاد ارائه شده در قالب ۲ هرم قابل ارائه می باشد. تلاش های مربوط به تئوری پردازی توسط محققان معمولاً زمانیکه به نیمه هرم می رسند احساس موفقیت می کنند و از حرکت می ایستند.
تلاش های مربوط به تئوری پردازی های تشریحی معمولا نوعی طبقه بندی فرضیات بر اساس ویژگی های آنهاست، زیرا این ویژگی ها راحتر قابل مشاهده و اندازه گیری هستند. همچنین سنجیدن همبستگی میان ویژگی ها و نتایج برای فرضیه سازی و تنجام تجزیه و تحلیل های کمّی بر روی آن آسان تر است. کوهن (۱۹۶۹) در تحقیقات خود مشاهده کرد که سردرگمی و تناقضات پیش آمده در فرایند تئوری پردازی های تشریحی معمول و عادی است.این مرحله معمولا با طبقه بندی زیاد مشخص می شود زیرا فرضیه های عمومی دارای ویژگی های زیادی هستند. هر مشاهده ای می تواند انحرافات دیگر مدل ها را توضیح دهد، اما انحرافات خود را نیز تحمل می کند و دربر دارد.

انتقال از تئوری های تشریحی به تئوری های تجویزی
تناقضات و سردرگمی هایی که اغلب در تئوری های تشریحی به وجود می آید می تواند هنگامی که محققان به دقت همبستگی و علت خروجی ها را بررسی می کنند، حل شوند. همانطور که در نمودار شماره ۲ نشان داده شده است، حرکت به سمت راس هرم در تئوری های تجویزی، عباراتی است که نه فقط همبستگی را بررسی می کند بلکه دلایل خروجی های مورد انتظار را نیز بیان می کنند. فهمیدن رابطه علت و معلولی پدیده ها محققان را قادر می سازد تا اثبات کنند مدیران چه عملکردهایی باید داشته باشند تا به نتایجی که آنها نیاز دارند دست یابند. به دلایلی که در زیر بیان شده، تئوری تجویزی قدرت پیش بینی بیشتری از تئوری تشریحی دارد.

نمودار شماره ۲: انتقال از تئوری تشریحی به تئوری تجویزی

تئوری تجویزی نیز مانند تئوری تشریحی نیازمند بهبود است و محققان این کار را با فعالیت های زیر و گام های مشابه در تئوری تشریحی انجام می دهند. فرضیه سازی در رابطه با درستی رابطه علت و معلولی عبارات، آنها چرخه استنتاج را برای آزمایش عبارت های بیان کننده علت هااز پایین هرم انجام می دهند: اگر ما عملکردهایی را که انجام می شود مشاهده کنیم، باید نتایجی باشد که ما مشاهده می کنیم. وقتی که آنها با یک پدیده غیر متعارف مواجه می شوند، آنها مجددا در طبقات پایین هرم کاوش می کنند. آنها گاهی می توانند استثنائات را با دقت بیشتر حل کنند و از روش های کمتر ابهام آمیز برای تعریف و ارزیابی پدیده ها استفاده نمایند. آنها موارد استثناء را با انجام مجدد گام طبقه بندی بررسی می کنند. برای تئوری پردازی های تجویزی نسبت به طرح هایی که بر اساس ویژگی های پدیده ها می باشد، محققان رویدادها و موقعیت های مختلفی را که مدیران ممکن است با آن مواجه باشند را طبقه بندی می کنند. هنگامی که آنها با استثنائی مواجه می شوند، این کار را به این پرسش انجام می دهند که: مدیران در چه موقعیتی بودند که نتایج مختلف به دست آمده است؟ با پرسیدن این سئوال محققان بین بالا و پایین هرم تئوری تجویزی حرکت می کنند، مشاهدات غیر متعارف محققان نیز در نهایت با موقعیت ها و رویدادهای خاصی که مدیران با آن مواجه بوده اند تعریف می شوند.
تاریخچه تحقیق در سرنشین پرواز روش مناسبی برای مجسم کردن چگونگی انتقال از تئوری تشریحی به تئوری تجویزی است. در طول قرون وسطی هوانوردان به عنوان بهترین تجربه تحقیقات و آنالیزهای آماری بودند. آنها مشاهده کردند که بسیاری از جانوران توانایی پرواز دارند و این جانوران را با دیگر حیوانات مقایسه می کردند. اکثریت پرندگان موفق دارای دو بال بودند و اکثر حیواناتی که توانایی پرواز را نداشتند فاقد این ویژگی بودند. این همان جوهر اصلی تئوری تشریحی است. در این دوران هوانوردان نیز از بهترین تجربیات پرندگان برای موفقیت در پرواز الگوبرداری کردند. سپس آنها دو بال ساختند و به هم متصل کردند، سپس از یک بلندی به پایین پردیدند و به شدت بال زدند. اما این کار جواب نداد. آنها برای یک قرن برای پرواز تلاش کردند و ویژگی های تمام پرندگانی که توانایی پرواز را داشتند و آنهایی که توانایی پرواز را نداشتند بررسی کردند.
سپس در مطالعات دقیق آقای باکون در خصوص ماشین های متحرک دنیل برنولی، به طرحی از ایرفویل دست یافتند که پرواز را امکان پذیر می کرد. کشف این استثناء به محققان اجازه داد تا طرح طبقه بندی خود را مجددا بازبینی کنند. در این هنگام به جای حرکت به بالا و پیشرفت روزگار با ویژگی های خوب و بد پرندگان، محققان روزگار را با پاسخ به این سئوال طبقه بندی کردند: چگونه هوانوردان متوجه شدند که چه علت هایی باعث سقوط هواپیمای آنها شده است؟ این موضوع باعث شد تا آنها بتوانند تکنیک ها و ابزارهایشان را بهبود بخشند. اما زمانیکه شما در این وضعیت قرار دارید، به منظور دستیابی به خروجی های مورد انتظار به پرواز با طرق مختلف نیاز دارید.
دنیای مدیران نیز امکان ندارد که کاملا قابل پیش بینی شود. مدیران نیز مانند هوانوردان با شرایط خاصی مواجه هستند و روش ها و ابزار کافی در اختیار ندارند. همچنین فاکتورهای انسانی و پویایی های گروهی پیچیده مانع پیش بینی صحیح می شوند. اما با این وجود مطالعات دانشمندانی مانند هکمن در فهمیدن نتایج مربوط به رهبری رفتارها و اینکه چگونه نتایج در شرایط مختلف تغییر می کنند، به ما کمک می کند.

اهمیت گام طبقه بندی
دانشمندان برجسته برای بهبود پیش بینی شرایط انتقال از طبقه بندی بر اساس ویژگی هایی که در تئوری تشریحی انجام می شود نسبت به طبقه بندی بر اساس شرایط محیطی که در تئوری تجویزی انجام می شود آزمایشاتی را انجام داده اند برای مثال تئوری احتمال مفهومی است که توسط لاورنس ولوسچ(۱۹۶۷) ارائه شده است آنها نشان دادند که بهترین راه برای سازماندهی یک شرکت بستگی دارد به شرایط محیطی که آن شرکت در آن عملیات خود را انجام می دهد
گلاسرو استراوس(۱۹۶۷) در تئوری زمینه ای توضیح می دهند طبقه بندی بر اساس ویژگی ها را که تئوری تشریحی مطرح می شود و مفهوم تئوری رسمی که آنها بیان می کنند با تعریف ما از تئوری تجویزی تطابق دارد که طبقه بندی بر اساس شرایط به کار می گیرد.
زمانیکه محققان در خصوص تعدادی از شرکتهای موفق مطالعه می کردند متوجه شدند وقتی تعدادی ویژگی های خاص را به اشتراک گذاشتند می توانستند به اندازه کافی آنها را جمعبندی کنند و احساس می کردند که موفق شده اند. اما زمانیکه مدیران این فرمولهای محققان را اجرا کردند برخی از آنها متوجه شدند که این فرمولها در شرکت آنها کار نمی کند. برخی از این تئوری های پیرو مد و زودگذر برای اجرای بد هستند. نویسندگان این تئوری ها خیلی مشتاق هستند که تئوری آنها توسط دیگران اجرا شود امان آنها شرایط را در نظر نمی گیرند و این باعث می شود تئوری آنها منجر به موفقیت نشود. تلاشهای مربوط به معرفی بهترین تجربیات از شرکتهای موفق معمولاً دچار این مشکل می شوند (زیرا شرایط را متفاوت در نظر نمی گیرند).
متأسفانه این تنها مشکل نویسندگان کتابهای مدیریت اینست که مطالعه جامع و موردی مجلات علمی مدیریتی امروزی می تواند موجب سرخوردگی شود- زیرا اغلب مقالات منتشر شده بخش خیلی کمی را به جداول طبقه بندی اختصاص داده اند. زمانیکه طبقه بندی های مختلف امروزی برجسته می شود، اغلب آنها ب متغیر های مصنوعی دسته بندی شده اند، نسبت به اینکه بخواهند طبقه بندی شفاهی داشته باشند. برخی از محققان مدیریت قانع شده اند که بخش انسانی سیستم های اجتماعی بسیار چند وجهی و پویا هستند و ساده سازی معنادار آنها د رچندین طبقه محدود در شرایط محیطی گوناگون غیر ممکن است. آنها اظهار می کنند که مدیران جهان بسیار پیچیده هستند زیرا آنها با تعداد بسیار زیادی از شرایط متفاوت مواجه هستند در واقع طبقه بندی ویژگی های بسیار نزدیک در مرحله شوراهای تشریحی بسیار پیچیده شده است به خصوص در برخی زمینه ها، اما به طور کلی تئوری تجویزی خیلی سردر گم کننده نیست، محققان در مرحله تئوری تجویزی پیچیدگی ها را با خلاصه کردن جزئیات د رتعدادی طبقه (مثلاً ۲ یا ۴) که شامل شرایط محیطی مختلف می شود، حل نموده اند.

پیدا کردن مرزهای برجسته از دسته بندی بر اساس شرایط
اگر طبقه بندی بر اساس شرایط بخواهد در مبنای تئوری پردازی تجویزی باشد، محققان چگونه باید در خصوص مرزهای تعریف طبقه ها تصمیم گیری کنند و چه تعاریف بالقوه ای از مرزها برای پیش بینی دقیق و درک مطلب مناسب نیست؟ اگر به مقال هوانوردان برگردیم، مرزهای مناسب برای طبقه ها بر اساس شرایط، با ضرورت های متفاوت هواپیما تعیین می شود. اگر شرایط متفاوت به روشهای متفاوت خلبانی نیاز نداشته باشد، در این صورت آن طبقه بندی معنا داری نیست. ما پیشنهاد می کنیم در مدیریت برخی اصول برای تعریف این مرزها تعیین شود. اگر مدیران خودشا را در شرایط متفاوتی ببینید که باید عملکردهای متفاوت داشته باشند و یا سازمان خروجی های مورد انتظار مختلفی داشته باشد، در این صورت آنها مرزه برجسته ای میان طبقه ها دارند.

ارزش نا هنجاری ها در تئوری پردازی بهتر
همانطور که در قبل نشان داده شد، زمانیکه محققان در هر دو مرحله تئوری توضیحی و تجویزی از بالا به پائین هرم حرکت می کنند از حالت های مختلفی برای پیش بینی آنچه آنان خواهند دید استفاده می کنند، اما آنها اغلب چیزهایی را مشاهده می کنند که تئوری منجر به آنها نمی شد، در نتیجه شناسایی ناهنجاری یعنی چیزهایی که تئوری نمی تواند توضیح دهد. بسیاری از اکتشافات تئوری های ارائه شده توصیف اندازه گیری است یا در پازلهایی طبقه بندی شده مانند “چیزهایی که در اینجا وجود دارد” و یا این ۲ چیز است که مادر مورد آن فکردیگری می کردیم و دقیقاً همان نیست. نتایج این تلاشها معمولاً شامل موارد زیر می تواند باشد:
۱) یک پدیده دارای توصیف و اندازه گیری دقیقتر هست یا نه،
۲) تغییر تعاریف پدیده ها یا شرایط آن طبقه بندی ها، اضافه کردن یا حذف طبقه ها یا تعریف آنها به روشهای مختلف،
۳) پیکر بندی یک حالت تئوریک جدید از آنچه که مرتبط است و یا علل و چرایی و تحت چه شرایطی بودن.
هدف این فرایند این است که تئوری را در مورد تعریف ناهنجاری ها و پدیده هایی که قبلاً به خوبی توضیح داده شد بازنگری کند.

چگونه تحقیقات ناهنجاری-جویی را طراحی کنیم
اگر چه برخی از ناهنجاری های تولیدی ممکن است از همان ابتدا واضح باشد، اما کار اغلب دانشمندان تئوری پردازی این است که تحقیقشان را طوری طراحی کنند که قادر باشند حداکثر ناهنجاری ها را شناسایی کنند. هدف پاراگراف های زیر این است که به محققان کمک کند تا با تعریف سئوالات تحقیق و تمرکز بر ناهنجاری ها، تئوری پردازی کارامدتری داشته باشند.

۱- سئوالات تحقیقات ناهنجاری-جویی
تحقیقات ناهنجاری-جویی این امکان را به محققان جدید می دهد که تئوری های پذیرفته شده جدیدی را ارائه نمایند و چرخه تئوری پردازی را اجرا نمایند. پروفسور پورتر (۱۹۹۱) نیز تحقیقات خود را با روش مذکور انجام داده است.
در این راستا ما در ادامه چند نمونه از رئوس مطالب و سئوالاتی که به صورت بالقوه محققان در آینده می توانند از آنها استفاده کنند و برای طبقه بندی چالش های بالقوه در تحقیقات مدیریتی استفاده می شوند را بیان کرده ایم.
• چه موقع ممکن است فرایند مهندسی مجدد و تولید ناب ایده های نامناسبی باشند؟
• چه موقع منبع یابی چیزی از یک همکار یا تامین کننده که جزء شایستگی های کلیدی شما نیست ممکن است منجر به شکست شود؟
• آیا شرایطی وجود دارد که در آن روش مداد بر روی کاغذ برای مدیریت فروش مناسب تر از استفاده از نرم افزار مدیریت زنجیره تامین باشد؟
• در خرده فروشی، چه زمانی و چرا توقف یکباره خرید یا پورتال استراتژی مناسبی است و چه زمانی ما انتظار داریم که شرکت با استفاده از استراتژی تمرکز متخصصین دریافتی بیشتری داشته باشد؟
• چه موقع رقابت مبتنی بر زمان و سفارشی سازی انبوه به احتمال زیاد حیاتی می شود و چه موقع ممکن است رقابت بی معنایی باشد؟
• آیا کدهای SIC طبقه بندی مناسبی برای تعریف ارتباطات در تحقیقات می باشد؟
• چه موقع باید شرکت های وابسته به سازمان را خریداری نمود و چه زمانی باید آنها را جدا نگه داشت؟
• در چه شرایطی تئوری “دست مرئی” چندلر (۱۹۷۷) از سرمایه داری مدیریتی عامل حیاتی موفقیت سازمانی است و در چه شرایطی تئوری “دست نا مرئی” آدام اسمیت (۱۷۷۶) بهترین مکانیسم برای ایجاد سازمانی است؟
تحقیقات ناهنجاری-جویی اغلب در هرم تئوری پردازی بر روی طبقه بندی متمرکز می باشد. متاسفانه مرزهای طبقه بندی در بسیاری از تحقیقات (مانند کدهای SIC) به نظر می رسد با دسترسی به داده ها تعریف شده، به جای اینکه با حدود و اهمیت خود پدیده ها و یا خروجی های مرتبط آنها تعریف شود. پرسشگری کافی از طبقه ها تقریبا همیشه یک مسیر کارامد برای تئوری پردازی بهتر می باشد. “چه موقع این کار نیست؟” و “تحت چه شرایطی ممکن است مژده دادن خبر بدی باشد؟”، اینها نمونه سئوالاتی هستند که می توانند بینش دستیابی به موفقیت عملکرد باشند و هنوز تعداد محدودی از محققان اینها را می پرسند.

۲- دقت بر روی دیگر رشته ها
یکی از مشاهدات کوهن (۱۹۶۲) مشخص نموده است ناهنجاری هایی که منجر به سرنگونی نظریه غالب و یا پارادایمی می شود که در رشته های مختلف وجود دارد، در آن رهبرانی که به شیوه سنتی آموزش داده شده اند وجود دارند. آنها معتقدند که شکل دادن قدرتمند پیروان تئوری قبل امکان پذیر نخواهد بود و ارتباط پدیده غیر عادی که منجر به ایجاد نظریه بهبود یافته می شود را نمی توان دید. محققان در رشته های مختلف از روش های مختلف تحقیق استفاده می کنند و علایق متفاوتی در مورد موضوعات تحقیق دارند. این تفاوت ها اغلب به آنها اجازه می دهد که چیزهایی که تشخیص نمی دهند و یا چیزهایی که به نظر به اهمیت می رسد را ببینند.

۳- مطالعه یک پدیده در پدیده دیگر
سومین روش برای اینکه محققان با احتمال بیشتری ناهنجاری ها را شناسایی کنند شامل اجرای طرح تحقیق تو در تو که به بررسی سطوح متفاوت از یک پدیده می پردازد، می باشد. نسبت به مطالعاتی که فقط صنایع و یا شرکت ها و یا بخش ها و یا گروه ها و یا افراد را بررسی می کنند، طرح تحقیق تو در تو مستلزم این است بررسی کند افراد چگونه عمل می کنند و در گروه چگونه تعامل می کنند و ارتباطات میان گروه ها چگونه است. بسیاری از ناهنجاری ها تنها در تعاملات سطح دوم در سطوح مختلف شناسایی می شوند.

۴- مشاهده و مقایسه طیف گسترده ای از پدیده ها
ساز و کار چهارم برای به حداکثر رساندن احتمال آزمایش رویه ناهنجاری این است که محدوده وسیع تری از پدیده را نسبت به دانشمندان قبلی داشته باشیم. طیف گسترده ای از خروجی ها، ویژگی ها و شرایطی که دانشمندان در پایه هرم تحقیق آزمایش می کنند، احتمال بیشتری دارد که آنها بتوانند مرزهای برجسته ای را در میان مجموعه ها و طبقه های مختلف شناسایی کنند. به عنوان مثال، بررسی انجام شده توسط چسبروق (۱۹۹۹) در مورد سازندگان دیسک درایو این امکان را به او داد تا بتواند رویه ای از ناهنجاری ها را که او نمی توانست برای تئوری پردازی بهتر محاسبه کند را شناسایی کند. این موضوع توضیح می دهد که شرکت های یکپارچه چگونه به صورت عمودی و افقی می توانند اختلافات را در شرکت ها مدیریت کنند.

تحقیقات ناهنجاری-جویی و ساختار تجمعی دانش
…
تئوری سازی در مقابل تئوری پردازی
بخش قابل توجهی از محققان در زمینه های خاصی از مدیریت تلاش های خود را با تمرکز در ساختن مدل های ریاضی در بالای هرم تئوری شروع کرده اند و همینجا مانده اند، زیرا مدل های بهینه آنها برای مرتب سازی ناهنجاری های تجربی طراحی نشده است که ما در بالا در مورد آن بحث کردیم. این کار تمایل به بهبود در ریاضی دانان هوشمند ابداع روش هایی است که متغیرهای بیشتری را در مدل های خود داشته باشد، و یا کشف چگونگی استخراج نتایج در حالی که ساخت “واقعگرایانه” به مفروضات ساده تر از قبل توسط دانشمندان انجام شده بود.
زیرا این بهبودها تمایل دارند که از طریق مفهومی به جای جعل تجربی نتایج را بدست آورند، که ما در اینجا به آن تئوری پردازی نسبت به ساختن تئوری می گوییم. در روح تلاش این مقاله برای پی ریزی شالوده ای تشریحی و محکم برای ساختمان تئوری است، ما احساس می کنیم آن مهم است برای اختصاص واژه های مختلفی را برای روند الگوسازان خالص به کار است. تئوری پردازی سازمانی اساسا متفاوت از فرایند تئوری سازی که اینجا شرح داده شده می باشد، که در آن جستجو برای ناهنجاریهای تجربی نقش ذاتی دارد.

ایجاد اعتبار و قابلیت اطمینان تئوری
نگرانی های اولیه از هر مصرف کننده تئوری مدیریت درک کاربرد آن است، و اینکه آن کجا صدق نمی کند. ین (۱۹۸۴) در مورد این نگرانی ها با تعزیف ۲ نوع اعتبار برای تئوری (اعتبار داخلی و خارجی) به ما کمک می کند تا درک کنیم که در چه زمانی ما می توانیم به تئوری اعتماد کنیم. در این بخش ما بحث خواهیم کرد که این مفهوم چه ارتباطی با مدل ما از تئوری پردازی دارد، و اینکه محققان چگونه می توانند تئوری های خود را با استفاده از این ۲ بعد معتبر تر کنند.

اعتبار درونی
اعتبار درونی یک تئوری شامل موارد زیر می باشد:
۱) نتیجه گیری آن بدون هیچ ابهامی از ساختمان و حیطه آن می باشد.
۲) محققان تمام استدلالات قابل قبول جایگزین را که ممکن است با پدیده نتایج مورد انتظار مرتبط باشند رد می کنند.
بهترین روشی که ما برای ایجاد اعتبار داخلی تئوری می شناسیم این است که یک پدیده را از طریق جنبه های رشته های زیاد و بخش هایی از شرکت هایی که ممکن است بررسی کنیم. زیرا استدلالات قابل قبول جایگزین تقریباً همیشه با بررسی کارکردهای بخش دیگری از یک شرکت، و از طریق جنبه ها و ابزارهای دیگر از رشته های دانشگاهی دیده می شود.
هنگامی اینها امکان پذیر است که یک محقق دیگر بتواند بگوید “یک دقیقه صبر کنید”. اینها توضیحات مختلفی برای این است که ما چرا نمی توانیم از اعتبار داخلی تئوری اطمینان داشته باشیم. پژوهشگرانی که یک پدیده و خروجی های مورد انتظار را از همه جنبه ها و همه دیدگاه های بالقوه مربوطه را بررسی کرده اند، می توانند علت چیزهایی را که یاد گرفته اند توضیح دهند، و یا استدلالات دیگر را رد کنند.

اعتبار بیرونی
اعتبار بیرونی تئوری این است که تا چه حد رابطه بین پدیده ها و نتایجی که در یک زمینه خاص مشاهده می شود قابل اعتماد برای کاربرد در زمینه های دیگر است. بسیاری از محققان به این باور رسیده اند که اعتبار خارجی یک تئوری توسط “تست کردن” آن را بر روی مجموعه داده های مختلف ایجاد می شود. اعتبار خارجی تئوری می تواند به دو دلیل ایجاد نشود. اول اینکه محققان نمی توانند یک تئوری را در هر مجموعه داده ها ممکن و قابل تصور تست کنند. دوم اینکه داده ها تنها در مورد گذشته وجود دارند. چطور ما می توانیم مطمئن باشیم که یک مدل در زمان حال یا آینده کاربردی است، تا زمانیکه داده ها بر روی آن تست نشده باشد؟
برای نشان دادن این مشکل، تجربه کریستنسن بعد از انتشار تئوری از نوآوری درهم گسیخته در نظر گرفته شده است. این تئوری هنجاری از طریق تجزیه و تحلیل دقیق تجربی از تاریخچه صنعت دیسک درایو مشتق شده بود. این ادعا در دو شرایط وجود دارد –شرایط حفظ و درهم گسیخته- که در آن ممکن استمدیران نوآور خودشان را بیابند. بنابراین تعریف یک مکانیسم علی و معلولی که باعث موفقیت یا شکست افراد و شرکت ها در انواع مختلف از خلاقیت و نوآوری در آن شرایط متفاوت می شود.

اندازه نمونه و اعتبار
روش های اندازه گیری اهمیت آماری قطعا نشان می دهد که با حجم نمونه بزرگتر، ما از اعتبار داخلی مدل مطمئن تر می شویم. برخی گمان می کنند که یک تئوری به دست آمده از داده های بزرگ به نمایندگی از کل جمعیت از شرکت ها دارای اعتبار خارجی بیشتر از یک نظریه حاصل از مطالعات موردی تعداد محدودی از شرایط است که در آن جمعیت را داشته باشد. اما همیشه اینطور نمی باشد.
هنگامی که واحد تجزیه و تحلیل یک جمعیت از شرکت ها است، محقق می تواند فقط در مورد کل همان جمعیت از شرکت خاص صحبت کند. برخی از مدیرانی که از آن فرمول تبعیت کردند در وضعیت خود بهترین عملکرد را داشته اند. با این حال گاهی اوقات آن اقدام مطلوب در موقعیت های خاص خروجی ندارد. از این رو پژوهشگرانی که یک تئوری را از مطالعه آماری در مورد یک جمعیت استخراج نموده اند هنوز نیاز دارند که از طریق طبقه بندی بر اساس شرایط برای تئوری خود اعتبار خارجی ایجاد نمایند.

بخشی از مقاله انگلیسی:

Some scholars of organization and strategy expend significant energy disparaging and defending various research methods. Debates about deductive versus inductive theory-building and the objectivity of information from field observation versus that of large-sample numerical data are dichotomies that surface frequently in our lives and those of our students. Despite this focus, some of the most respected members of our research profession (i.e., Simon (1976), Solow (1985), Hambrick (1994), Staw and Sutton (1995), and Hayes (2002)) have continued to express concerns that the collective efforts of business academics have produced a paucity of theory that is intellectually rigorous, practically useful, and able to stand the tests of time and changing circumstances. The purpose of this paper is to outline a process of theory building that links questions about data, methods and theory. We hope that this model can provide a common language about the research process that helps scholars of management better understand the roles of different types of data and research, and thereby to build more effectively on each other’s work. Our unit of analysis is at two levels: the individual research project and the iterative cycles of theory building in which a researchers attempt to build upon each other’s work. The model synthesizes and augments other studies of how communities of scholars cumulatively build valid and reliable theory.1 It has normative and pedagogical implications for how we conduct research, evaluate the work of others, train our doctoral students, and design our courses. While many feel comfortable in their understanding of these perspectives, it has been our observation that those who have written about the research process and those who think they understand and practice it proficiently do not yet share even a common language. The same words are applied to very different phenomena and processes, and the same phenomena can be called by many different words. Papers published in reputable journals often violate rudimentary rules for generating cumulatively improving, reliable and valid theory. While recognizing that research progress is hard to achieve at a collective level, we assert here that if scholars and practitioners of management shared and utilized a sound understanding of the process by which theory is built, we could be much more productive in doing research that doesn’t just get published, but meets the standards of rigorous scholarship and helps managers know what actions will lead to the results they seek, given the circumstances in which they find themselves. Our purpose in this paper is not to praise or criticize other scholars’ work as good theory or bad theory: almost every published piece of research has its unique strengths and shortcomings. We will cite examples of other scholars’ research in this paper, but we do so only to illustrate how the theory-building process works. We hope that the model described here might constitute a template and a common language that other scholars might use to reconstruct using how bodies of understanding have accumulated in their own fields. 2 In the first of the four sections of this paper, we describe a three-step process by which researchers build theory that is at first descriptive, and ultimately normative. Second, we discuss the role that discoveries of anomalies play in the building of better theory, and third, we describe how those who build, evaluate and utilize theories can tell whether they can trust a theory – whether it is valid and applies to the situation in which they find themselves. Finally, we suggest how scholars can engage in course research – to design student courses in ways that help faculty researchers build better theory. I. The Theory Building Process The building of theory occurs in two major stages – the descriptive stage and the normative stage. Within each of these stages, theory builders proceed through three steps. The the theorybuilding process iterates through these three steps again and again. In the past, management researchers have quite carelessly applied the term theory to research activities that pertain to only one of these steps. Terms such “utility theory” in economics, and “contingency theory” in organization design, for example, actually refer only to an individual step in the theory-building process in their respective fields. We propose that it is more useful to think of the term “theory” as a body of understanding that researchers build cumulatively as they work through each of the three steps in the descriptive and normative stages. In many ways, the term “theory” might better be framed as a verb, as much as it is a noun – because the body of understanding is continuously changing as scholars who follow this process work to improve it. The Building of Descriptive Theory The descriptive stage of theory building is a preliminary stage because researchers generally must pass through it in order to develop more advanced normative theory. The three steps that researchers who are building descriptive theory utilize are observation, categorization, and association. Step 1: Observation In the first step researchers observe phenomena and carefully describe and measure what they see. Careful observation, documentation and measurement of the phenomena in words and numbers is important at this stage because if subsequent researchers cannot agree upon the descriptions of phenomena, then improving theory will prove difficult. Early management studies such as The Functions of the Executive (Barnard, 1939) and Harvard Business School cases written in the 1940s and 50s were primarily descriptive work of this genre – and was very valuable. This stage of research is depicted in Figure 1 as the base of a pyramid because it is a necessary foundation for the work that follows. The phenomena being explored in this stage include not just things such as people, organizations and technologies, but processes as well. These observations can be done anywhere along the continuum from analysis of huge databases on the one end, to field-based, ethnographic observation on the other. Without insightful description to subsequently build upon, researchers can find themselves optimizing misleading concepts. As an example: For years, many scholars of inventory policy and supply chain systems used the tools of operations research to derive ever-more-sophisticated optimization algorithms for inventory replenishment. Most were based on an assumption that 3 managers know what their levels of inventory are. Ananth Raman’s pathbreaking research of the phenomena, however, obviated much of this work when he showed that most firms’ computerized inventory records were broadly inaccurate – even when they used state-of-the-art automated tracking systems (Raman 199X). He and his colleagues have carefully described how inventory replenishment systems work, and what variables affect the accuracy of those processes. Having laid this foundation, supply chain scholars have now begun to build a body of theories and policies that reflect the real and different situations that managers and companies face. Researchers in this step often develop what we term constructs. Constructs are abstractions that help us rise above the messy detail to understand the essence of what the phenomena are and how they operate. Joseph Bower’s Managing the Resource Allocation Process (1970) is an example of this. His constructs of impetus and context, explaining how momentum builds behind certain investment proposals and fails to coalesce behind others, have helped a generation of policy and strategy researchers understand how strategic investment decisions get made. Economists’ concepts of “utility” and “transactions costs” are constructs – abstractions developed to help us understand a class of phenomena they have observed. We would not label the constructs of utility and transactions cost as theories, however. They are part of theories – building blocks upon which bodies of understanding about consumer behavior and organizational interaction have been built. Step 2: Classification With the phenomena observed and described, researchers in the second stage then classify the phenomena into categories. In the descriptive stage of theory building, the classification schemes that scholars propose typically are defined by the attributes of the phenomena. Diversified vs. focused firms, and vertically integrated vs. specialist firms are categorization examples from the study of strategy. Publicly traded vs. privately held companies is a categorization scheme often used in research on financial performance. Such categorization schemes attempt to simplify and organize the world in ways that highlight possibly consequential relationships between the phenomena and the outcomes of interest. Management researchers often refer to these descriptive categorization schemes as frameworks or typologies. Burgelman & Sayles (1986), for example, built upon Bower’s (1970) construct of context by identifying two different types of context – organizational and strategic. Step 3: Defining Relationships In the third step, researchers explore the association between the category-defining attributes and the outcomes observed. In the stage of descriptive theory building, researchers recognize and make explicit what differences in attributes, and differences in the magnitude of those attributes, correlate most strongly with the patterns in the outcomes of interest. Techniques such as regression analysis typically are useful in defining these correlations. Often we refer to the output of studies at this step as models. Descriptive theory that quantifies the degree of correlation between the category-defining attributes of the phenomena and the outcomes of interest are generally able to make probabilistic statements of association representing average tendencies. For example, Hutton, Miller and 4 Skinner (2000) have examined how stock prices respond to earnings announcements. They coded types of words and phrases in the statements as explanatory variables in a regression equation, with the ensuing change in equity price as the dependent variable. This analysis enabled the researchers then to assert that, on average across the entire sample of companies and announcements, delivering earnings announcements in a particular way would lead to the most favorable (or least unfavorable) reaction in stock price. Research such as this is important descriptive theory. However, at this point it can only assert on average what attributes are associated with the best results. A specific manager of a specific company cannot yet know whether following that average formula will lead to the hoped-for outcome in her specific situation. The ability to know what actions will lead to desired results for a specific company in a specific situation awaits the development of normative theory in this field, as we will show below. How Theory is Improved within the Descriptive Stage When researchers move from the bottom to the top of the pyramid in these three steps – observation, categorization and association, and in so doing give us constructs, frameworks and models – they have followed the inductive portion of the theory building process. Researchers can then get busy improving these theories by cycling from the top down to the bottom of this pyramid in the deductive portion of the cycle – seeking to “test” the hypotheses that had been inductively formulated. This most often is done by exploring whether the same correlations exist between attributes and outcomes in a different set of data than the data from which the hypothesized relationships were induced. When scholars test a theory on a new data set (whether the data are numbers in a computer, or are field observations taken in a new context), they sometimes find that the attributes of the phenomena in the new data do indeed correlate with the outcomes as predicted. When this happens, this “test” confirms that the theory is of use under the conditions or circumstances observed.2 However, researchers who stop at this point simply return the model to its place atop the pyramid tested but unimproved. It is only when an anomaly is identified – an outcome for which the theory can’t account – that an opportunity to improve theory occurs. As Figure 1 suggests, discovery of an anomaly gives researchers the opportunity to revisit the foundation layers in the theory pyramid – to define and measure the phenomena more precisely and less ambiguously, or to cut it into alternative categories – so that the anomaly and the prior associations of attributes and outcomes can all be explained. In the study of how technological innovation affects the fortunes of leading firms, for example, an early attribute-based categorization scheme was radical vs. incremental innovation. The statements of association that were built upon it concluded that the leading established firms on average do well when faced with incremental innovation, but they stumble in the face of radical change. But there were anomalies to this generalization – established firms that successfully implemented radical technology change. To account for these anomalies, Tushman & Anderson (1986) offered a different categorization scheme, competency-enhancing vs. competency-destroying technological changes. This scheme resolved many of the anomalies to the prior scheme, but subsequent researchers uncovered new ones for which the TushmanAnderson scheme could not account. Henderson & Clark’s (1990) categories of modular vs. architectural innovations; Christensen’s (1997) categories of sustaining vs. disruptive technologies; and Gilbert’s (2001) threat-vs.-opportunity framing each uncovered and resolved anomalies for which the work of prior scholars could not account. This body of understanding has improved and become remarkably useful to practitioners and subsequent scholars (Adner, 5 2003; Daneels, 2005) because these scholars followed the process in a disciplined way. They articulated theories that could be falsified – that could yield anomalies. Subsequent scholars then uncovered what these anomalies were, and resolved them by slicing the phenomena in different ways and articulating new associations between the category-defining attributes and the outcome of interest.