MétaCan
Menu
Retour à la cohorte
Enregistrement W1873994663 · doi:10.5539/ijbm.v10n11p1

Knowledge Sharing Challenges during Post-Merger Integration: The Role of Boundary Spanners and of Organizational Identity

2015· article· en· W1873994663 sur OpenAlexaff
Dragos Vieru, Suzanne Rivard

Notice bibliographique

RevueInternational Journal of Business and Management · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensHEC MontréalUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésMerge (version control)Knowledge managementKnowledge sharingOrganizational identityIdentity (music)Boundary (topology)Computer sciencePsychologySociologyEpistemologyBusinessSocial psychologyOrganizational commitmentMathematicsInformation retrieval

Résumé

récupéré en direct d'OpenAlex

<p>When organizations merge, information systems (IS) need to be integrated to span the demarcations between the previously independent entities, be to bridge the pre-merger ISs or as new, single IS. Although research stresses the important role played by ISs in support of the combined organizations, there is a paucity of studies on the process of IS integration. Grounded in the practice perspective of knowledge and on the concept of organizational identity, we first propose a conceptual framework that conjectures about effective knowledge sharing processes, boundary objects and the role that boundary spanners are expected to play if they are to be effective. Then, we assess the relational dynamics suggested by our framework in four existing case studies from the academic literature that present rich post-merger IS integration data.</p>

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,021
Tête enseignante GPT0,246
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business and ManagementMême sujetInnovation and Knowledge ManagementTravaux en français237 207