MétaCan
Menu
Retour à la cohorte
Enregistrement W13760818

The value of business intelligence in the context of developing countries.

2003· article· en· W13760818 sur OpenAlexaff
Maira Petrini, Marlei Pozzebon

Notice bibliographique

RevueEuropean Conference on Information Systems · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Knowledge managementBusiness intelligenceOrder (exchange)Value (mathematics)Meaning (existential)BusinessInformation technologyDeveloping countryComputer scienceInformation systemEconomicsEngineeringEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the corporate context, a combination of constant technological innovation and increasing competitiveness makes the management of information a huge challenge and requires decision-making processes built on reliable and opportune information, gathered from internal and external sources. Although the volume of information available is increasing, this does not mean that people are able to derive value from it. Regarding IT, after years of important investments in order to put in place a technological platform that supports all business processes and that strengthens the efficiency of the operational structure, most organizations are supposed to have reached a level where the implementation of IT solutions for strategic levels becomes possible and necessary. This context explains the emergence of the domain generally known as “business intelligence” (BI), seen as an answer to the current needs in terms of information for decision-making with the intensive utilization of information technology. The objective of this research project is to examine the meaning and role of BI in a particular context, one of developing countries, more specifically, in Brazil. If the management of IT is a challenge even to companies in developed countries, what can we say about organizations struggling in unstable contexts such as developing ones?

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,009
Communication savante0,0090,006
Science ouverte0,0000,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,245
Écart entre enseignants0,208 · 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'étudeQualitatif
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

Citations9
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Conference on Information SystemsMême sujetCompetitive and Knowledge IntelligenceTravaux en français237 207