An empirical investigation of the demographics of Top Management Team (TMT) and its influence in forecasting organizational outcome in international architecture, engineering and construction (AEC) Firms : a fuzzy set approach

Alhosani, Yousif (2017). An empirical investigation of the demographics of Top Management Team (TMT) and its influence in forecasting organizational outcome in international architecture, engineering and construction (AEC) Firms : a fuzzy set approach. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (3MB) | Prévisualisation
Prévisualisation	PDF Télécharger (859kB) | Prévisualisation

Résumé

Whereas Top Management Teams (TMTs) are selected to fit a firm’s strategy, prior studies have evidenced that TMTs have significant impact on firm performance. The challenge of the two-way causality has been reflected in previous findings being ambiguous, inconsistent and sometimes conflicted. Pursing the same line of research may lead to incomplete and even error-prone conclusion. In contrast, this research suggests that inconsistency of findings among TMT demographics shown in prior work may point the possibility of studying the black-box nature of such relationships, and provide a tool to future forecast the organization outcome. More specifically, a multi-input (TMT demographics) multi-output (organization outcome) structure was used in this research to explore the future predictability power of TMT demographics for international Architects, Engineers and Construction firms (AEC firms). In order to build a reliable forecasting model, those contradictions were avoided by the utilization of artificial intelligence methods by training, testing and producing results without any prior assumptions or known structures. In particular, the Adaptive Neural Fuzzy Inference System (ANFIS) have been employed as a basis for constructing a set of fuzzy “if– then” rules with pre-tested input–output pairs. Three different forecasting strategies were constructed, the findings have demonstrated the learning and potential of the ANFIS model (time series based) in forecasting organization outcome, but at the same time, suggest that distinction should be established among different constructs of TMT demographics and outcome constructs. The results demonstrated that job-related demographics (i.e., TMT Educational Diversity, TMT Functional Diversity and TMT Tenure) could provide a satisfactory forecasting accuracy for the short-span (Liquidity) and medium-span (Cash Flow Stability and Capital Structure) outcome constructs. The future predictability power of other non-job demographics could not be evidenced in this research. Additionally, outcome constructs with dynamic nature could not be forecasted. Lastly, future research opportunities have been suggested for researchers. Most importantly, it includes the need to re-define diversity in the context of TMT composition (having different meaning as in: Variety, Separation and Disparity). Other methodological future opportunities are also suggested at the end of this study.

Titre traduit

Une enquête empirique sur la démograpnie de l'équipe de haute direction (TMT) et son influence sur la prévision des résultats organisationnels dans les entreprises internationales d'architecture, d'ingénierie et de construction (AEC) : la méthode d'ensembles flous

Résumé traduit

Tandis que les Equipes Dirigeantes sont sélectionnées afin d’être intégrées à la stratégie d’une entreprise, des études antérieures ont mis en évidence l’impact significatif des TMT (Top Management Teams - Equipe de Haute Direction) sur sa performance.

Les résultats précédents ont montré que le défi de la double causalité était ambigu, incoherent et parfois conflictuel. Poursuivre sur la même ligne de recherche peut conduire à une conclusion incomplète voire même truffée d’erreurs. En revanche, cette recherche laisse entendre que l'incohérence des résultats parmi les données démographiques d’Equipe de Haute Direction présentées dans des travaux antérieurs peut indiquer une possibilité d’étudier la nature cachée de ces relations, et constituer un outil pour les prévisions futures. Plus précisément, dans cette recherche nous utilisons une structure multi-entrées (Equipe de Haute Direction démographiques) multi-sorties (performance organisationnelle) afin d’explorer le futur pouvoir de prédictibilités démographiques d’Equipe de Haute Direction pour les entrepreneurs en architecture, en génie et en génie civil internationales.

Afin de construire un modèle de prévision fiable, ces contradictions ont été évitées par l'utilisation de l'intelligence artificielle en formant, testant et produisant des résultats sans hypothèses antérieures ou structures connues. Nous avons notamment utilisé le système adaptatif d'inférence floue neurale (ANFIS) comme base de construction d'un ensemble de règles « Si-Ensuite » floues avec des paires entrée-sortie pré-testées.

Nous avons construit trois stratégies de prevision différentes, où nos résultats démontrent la connaissance et le potentiel du modèle ANFIS (série chronologique) dans les prévisions de performances organisationnelles, mais qui dans le même temps, suggèrent que la distinction devrait être établie entre les différentes constructions de données démographiques d’Equipe de Haute Direction et les constructions de performances.

Les résultats démontrant les données démographiques liées à l’emploi (Equipe de Haute Direction, diversité de l'éducation, diversité fonctionnelle et tenure) pourraient fournir une précision de prévision satisfaisante pour les constructions à court terme (Liquidité) et à moyen terme (Stabilité Trésorière et Structure du Capital). Le futur pouvoir de prédictibilité des données démographiques non liées à l'emploi n'a pas pu être mis en évidence dans cette recherche. En outre, les constructions de performances à nature dynamique ne peuvent pas être prédites. Enfin, des opportunités de futures recherches ont été suggérées pour les chercheurs. Plus important encore, il comprend la nécessité de redéfinir la diversité dans le contexte de la composition Equipe de Haute Direction (avoir différentes significations tells que : Variété, Séparation et Disparité). D'autres recherches méthodologiques futures sont également proposées à la fin de cette étude.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy" Bibliographie : pages 155-168.
Mots-clés libres:	Prévision commerciale Modèles mathématiques. Équipes de direction. Cadres (Personnel) Attitudes. Entreprises multinationales. Agences d'architecture. Sociétés d'ingénieurs-conseils. Entrepreneurs. Ensembles flous. Réseaux neuronaux (Informatique) Intelligence artificielle. adaptatif, ANFIS, flou, inference, neuronal, système, architecture, ingénierie, construction, performance
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Katsanis, Constantine
Codirecteur:	Codirecteur Alkas, Sabah
Programme:	Doctorat en génie > Génie
Date de dépôt:	17 janv. 2018 21:17
Dernière modification:	17 janv. 2018 21:17
URI:	https://espace.etsmtl.ca/id/eprint/1990

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt