Value co‐creation through collective intelligence in the public sector
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose On the basis of the Collective Intelligence Genome framework, which was developed to describe private, for profit ventures, this study aims to review the recent public sector initiatives launched by the American federal government and the European Union. The study's goal is to examine if, and how, the Genome construct would apply to not for profit. Design/methodology/approach This paper builds on an existing classification methodology for collective intelligence initiatives and extends it to pubic sector initiatives. Findings The findings suggest that, although the framework offers a generally good fit, it does not fully address all the factors at play and the paper proposes expanding the gene pool. In addition, it confirms that Collective Intelligence initiatives do indeed co‐create value and conform to the emerging services dominant logic concept. Originality/value With the growing success of profit motivated internet‐based collaborative ventures, including Innocentive, VenCorps, Threadless and many others, governments have taken notice and engaged. Recent public sector initiatives, including Open.gov, Peer 2 Patent, innovation.ED.gov among others, have begun to leverage collaborative internet media through similar means. These initiatives not only engage a broader community in the co‐creation of value, but also foster what has been termed as Collective Intelligence. This paper details one of the first forays into what might be termed sense making within the public sector usage of Collective Intelligence using the Genome framework and, as such, provides researchers and practitioners with a means of assessing value, potential impact and making comparisons.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle