MétaCan
Menu
Retour à la cohorte
Enregistrement W184258459 · doi:10.4018/978-1-61520-593-6.ch012

The Application of IT for Competitive Advantage at Keane, Inc.

2000· book-chapter· en· W184258459 sur OpenAlexaboutno aff
Mark R. Andrews, Raymond Papp

Notice bibliographique

RevueCases on information technology series · 2000
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStaffingOutsourcingService (business)Information technology consultingProject managementOperations managementEngineering managementBusinessEngineeringManagementMarketingEconomicsManagement information systemsInformation systemInformation technology management

Résumé

récupéré en direct d'OpenAlex

The Keane Company, founded in 1965 by John F. Keane, has grown from a local software service company into a national firm which has three operating divisions and over 45 branches throughout the United States, Canada and the United Kingdom. Within these operating divisions are multitudes of consulting opportunities, ranging from supplemental staffing, project management and application outsourcing. This case will focus on Keanes approach to Project Management and how they provide this service to their clients. This includes not only how Keane is hired for Project Management but how they train their clients on how they too can implement the Keane philosophy of Productivity Management. Instead of focusing on any one client of Keane, their overall technology strategy will be highlighted, from their early days through the present to illustrate how Keane has successfully incorporated information technology and Project Management to become a major player in the software service and consulting field. The goal of this case is to provide the student with an example of business-technology strategy in action and allow them to explore future paths that Keane may take based on how they use technology today and in the decade to come.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 GPT0,211
Écart entre enseignants0,204 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCases on information technology seriesMême sujetInformation Technology Governance and StrategyTravaux en français237 207