Expanding the concept of Ba: managing enabling contexts in knowledge organizations
Notice bibliographique
Résumé
This paper investigates and analyses the concept of ba - or enabling context - in the fields of information science, management/business and information systems literature in order to understand its conceptual evolution, discussions, applications and expansion since its introduction in 1998 by Nonaka et al. (Nonaka and Konno, 1998; Nonaka et al., 2000; Nonaka and Toyama, 2002; Nonaka et al., 2006). The qualitative methodology is bibliographic and comprises - among others - the methods of citation analysis and content analysis. A resulting selection of 135 papers, 4 dissertations/theses and 4 books constituted the research's final database. Data analysis consisted of three flows of activities: data reduction, data displays (conceptual maps) and conclusion drawing/verification. The results point out to the identification of four major groups of enabling conditions - social/behavioral, cognitive/epistemic, informational and business/managerial - which can be singly or freely combined into different knowledge processes - creation, sharing/transfer and use - occurring in different levels of interactions - individual, group, organizational, inter-organizational. The conclusions suggest that the concept of ba and its underlying concepts are indeed sine qua non conditions for organizational knowledge creation and innovation processes, though ba is still both theoretically and empirically under-explored. Concerning the management of enabling contexts in knowledge organizations, the study revealed that the main arising challenges rely on the implementation and development of the issues comprised on the four groups of enabling conditions identified, most especially social/behavioral and business/managerial.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».