Identifying tangible costs, benefits and risks of an investment in intellectual capital
Notice bibliographique
Résumé
Purpose The use of contingent knowledge workers may be an efficient means of investing in an organization's intellectual capital. However, exposing contingent workers to private, key competitive knowledge is considered risky. A study was undertaken to collect the costs, benefits and losses experienced by organizations that had contracted contingent knowledge workers to develop intellectual capital. Design/methodology/approach A purposive cross‐section of senior managers of knowledge‐intensive organizations were interviewed regarding the tangible benefits, costs, perceived risks, and experienced losses from contingent knowledge worker arrangements. The constant comparison method of analysis was used. Findings The data revealed perceived increases in flexibility, expertise, creative stimuli, and knowledge bank development. These benefits were believed to have bottom‐line impact through product and process improvements and innovations, and operational efficiencies. The managers did not perceive much risk or experience material losses as a result of the contingent knowledge worker arrangements. Research limitations/implications These findings are based on interviews with a small group of organizations. Although not generalizable, they present an interesting contrast to previous researchers’ conclusions regarding the use of contingent knowledge workers. Further empirical work is needed to test the degree to which this study's findings can be generalized. Practical implications Contrary to recent literature, this study suggests that contracting contingent knowledge workers to develop in‐house intellectual capital is worth the risk. Originality/value The study presents a divergent viewpoint on the contracting of contingent knowledge workers. It also initiates research on rational evaluation of investments in intellectual capital, which constitutes an important contribution to the area of knowledge management. It also contributes to the ongoing research on intellectual capital valuation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».