MétaCan
Menu
Retour à la cohorte
Enregistrement W121760993 · doi:10.17705/1cais.01125

Developments in Practice VII: Developing and Delivering the IT Value Proposition

2003· article· en· W121760993 sur OpenAlexaff
Heather A. Smith, James D. McKeen

Notice bibliographique

RevueCommunications of the Association for Information Systems · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésValue propositionPropositionValue (mathematics)SociologyComputer scienceEpistemologyPhilosophyEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

In spite of many years of effort, we are still not able to articulate and deliver IT value accurately. Unfortunately, "silver bullet thinking" still predominates (i.e., plug in technology and deliver bottom line impact) in organizations today. IT value is a multi-layered concept, far more complex than it first appears. To examine this complex concept and how it is understood in IT organizations, the authors convened a focus group of practicing IT managers from a number of different industries. This paper, using the inputs from the focus group, explores how organizations are attempting to determine and develop effective IT value propositions. It describes the three components of this proposition: identification of potential value, effective conversion, and realizing value. The paper then derives a number of principles of delivering IT value. We conclude that there is no single agreed-on notion of business value. Therefore, it is important to make sure that both business and IT managers work to a common value goal whether traditional cost reduction, process efficiencies, new business capabilities, improved communication, or any other objectives. We also suggest that technology is being used as a catalyst to drive many different types of organizational transformation and strategy. Therefore, IT value can no longer be viewed in isolation from the other parts of business, namely people and information.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,019
Communication savante0,0160,011
Science ouverte0,0010,007
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,252
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications of the Association for Information SystemsMême sujetInformation Technology Governance and StrategyTravaux en français237 207