MétaCan
Menu
Retour à la cohorte
Enregistrement W17272345

INFORMATION TECHNOLOGY OUTSOURCING SUCCESS : A MODEL OF DYNAMIC , OPERATIONAL , AND LEARNING CAPABILITIES

2012· article· en· W17272345 sur OpenAlexaff
Forough Karimi-Alaghehband, Suzanne Rivard

Notice bibliographique

RevueLancaster EPrints (Lancaster University) · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésOutsourcingKnowledge process outsourcingDynamic capabilitiesKnowledge managementStructural equation modelingBusinessPerspective (graphical)Process managementInformation technologyComputer scienceMarketingArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Grounded in dynamic capabilities perspective, our study offers a model of IT outsourcing success. We distinguish between three sets of IT outsourcing capabilities. We first define IT outsourcing dynamic capabilities as the ability of an organization to purposefully extend, create or modify its information technology resources through an outsourcing arrangement. We define IT outsourcing operational capabilities as the ability of the client firm to manage/execute IT outsourcing arrangements. IT outsourcing learning capabilities are defined as the capacity to acquire external knowledge on IT outsourcing and accumulate experience. We theorize on the relationships between these capabilities and propose a model of their impact on IT outsourcing success. A cross-sectional survey of organizations across different industries will provide the data and a structural equation modeling (SEM) approach will be used to analyze the data.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,179
Écart entre enseignants0,171 · 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 tête enseignante, 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLancaster EPrints (Lancaster University)Même sujetOutsourcing and Supply Chain ManagementTravaux en français237 207