MétaCan
Menu
Retour à la cohorte
Enregistrement W1881837860 · doi:10.4018/joeuc.2015100103

Information Systems Project Management Risk

2015· article· en· W1881837860 sur OpenAlexaff
Stefan Tams, Kevin Hill

Notice bibliographique

RevueJournal of Organizational and End User Computing · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésNomological networkCompetitive advantageBusinessRisk managementLinkage (software)Risk analysis (engineering)Information systemKnowledge managementProcess managementComputer scienceMarketingService (business)EngineeringFinance

Résumé

récupéré en direct d'OpenAlex

Over the last three decades, much IS research has focused on information systems development (ISD) risk and its impacts on ISD success. While these studies have greatly advanced the understanding of the nomological network of ISD risk and success, the literature is still not sufficiently clear on the firm performance impacts of these concepts. Linking ISD risk and success to firm performance is important so as to better understand whether ISD projects can have broader firm-level implications, for example, in terms of providing firms with a competitive advantage. To address this research need, the present research note advances propositions regarding the linkage between ISD risk, success, and firm-level performance (conceptualized as competitive advantage). This linkage sheds light on the broader effects of ISD risk, and it helps ISD research overcome the isolation in which it is often conducted. Using the concept of residual risk (i.e., the risk present in the later stages of a project that remains after appropriate actions have been taken to mitigate initial risks in the early stages of a project), the authors propose that ISD risk impacts firm performance by reducing ISD success and that the value arising from ISD projects is higher when IT and business plans are synchronized (i.e., when they are in alignment).

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)0,028
score de la tête « metaresearch » (Gemma)0,102
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,102
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,003
Communication savante0,0070,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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 Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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'étudeSans objet
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational and End User ComputingMême sujetInformation Technology Governance and StrategyTravaux en français237 207