MétaCan
Menu
Retour à la cohorte
Enregistrement W1607689128 · doi:10.28945/2625

Role of Information Professionals in Knowledge Management Programs : Empirical Evidence from Canada

2003· article· en· W1607689128 sur OpenAlexaffabout
Isola Ajiferuke

Notice bibliographique

RevueInforming Science and IT Education Conference · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIntranetKnowledge managementPersonal knowledge managementInformation managementEmpirical researchPsychologyOrganizational learningComputer scienceWorld Wide WebThe Internet

Résumé

récupéré en direct d'OpenAlex

The objective of this study is to provide empirical evidence of the role of information professionals in knowledge management programs. 386 information professionals working in Canadian organizations were selected from the Special Libraries Association’s Who’s Who in Special Libraries 2001/2002 and questionnaire with a stamped self-addressed envelope for its return was sent to each one of them. 63 questionnaires were completed and returned, and 8 in-depth interviews conducted. About 59% of the information professionals surveyed are working in organizations that have knowledge management programs with about 86% of these professionals being involved in the programs. Factors such as gender, age, and educational background (i.e. highest educational qualifications and discipline) did not seem to have any relationship with involvement in knowledge management programs. Many of those involved in the programs are playing key roles, such as the design of the information architecture, development of taxonomy, or content management of the organization’s intranet. Others play lesser roles, such as providing information for the intranet, gathering competitive intelligence, or providing research services as requested by the knowledge management team.

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)0,009
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,410

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,045
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,011
Études des sciences et des technologies0,0120,003
Communication savante0,0060,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,066
Tête enseignante GPT0,369
Écart entre enseignants0,304 · 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'étudeObservationnel
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

Citations65
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInforming Science and IT Education ConferenceMême sujetKnowledge Management and SharingTravaux en français237 207