In Quest for IS Research Relevance: Using Interrupted Time Series Methods in IS Post-Intervention Research

Résumé Fr En

Le manque d’efficacité démontrée des interventions a souvent empêché la recherche sur les systèmes d’information d’atteindre une pertinence pratique. Le domaine des SI tend à fournir principalement aux praticiens des SI une gamme de construits, de théories de référence et contextualisées, ou encore de modèles enrichis d’artefacts informatiques ; oubliant souvent que sa mission principale est de pointer vers les meilleures approches et pratiques que les praticiens doivent mettre en œuvre. Cet article tente de relancer le courant d’analyse d’intervention de la recherche sur les SI sous la forme de modèles de recherche en séries chronologiques interrompues (STI), en faisant valoir que cela renforcerait le lien entre la recherche sur les SI et la pratique. Les modèles de recherche STI dans le contexte spécifique des SI sont introduits, suivis d’une présentation de quatre techniques analytiques importantes des STI, à savoir difference-in-differences (DID), interventional autoregressive integrated moving average (I-ARIMA), la régression segmentée, l’approche Bayesian Structural Time-Series (BSTS). Une illustration suit, visant à démontrer comment les conceptions STI peuvent être mises en œuvre. Enfin, nous fournissons des conseils aux chercheurs en SI pour les aider à identifier et à encadrer des projets potentiels de recherche interventionnelle en SI. Des éléments de discussion sur les avantages des conceptions de STI lors de la conduite d’une recherche interventionnelle en matière de SI sont ensuite discutés, et nous élaborons sur les contributions de cette recherche pour la recherche en SI.

The lack of demonstrated intervention effectiveness has often prevented Information Systems research from achieving practical relevance. The IS field tends to mainly provide IS practitioners with a range of constructs, reference and contextualized theories, or else IT artifact-enriched models; often forgetting that its core mission is to point towards the best approaches and practices that practitioners shall implement. This paper attempts to reignite the intervention analysis stream of IS research in the form of interrupted time series (ITS) research designs, arguing that this would strengthen the connection between IS research and practice. ITS research designs in the specific IS context are introduced, followed by a presentation of four important ITS analytical techniques namely difference-in-differences (DID), interventional autoregressive integrated moving average (I-ARIMA), segmented regression, and Bayesian Structural Time-Series (BSTS) analysis. An illustration then follows, aiming at demonstrating how ITS designs can be implemented. Finally, we provide guidance to IS researchers to help them identify and frame potential IS intervention research projects. Elements of discussion about the advantages of ITS designs when conducting IS intervention research are then discussed, and we elaborate on the contributions of this research for IS scholarship.