MétaCan
Menu
Retour à la cohorte
Enregistrement W1953312456 · doi:10.3968/j.css.1923669720090506.007

Study on Approaches of Constructing Travel Agencies’ Sustained Competitive Advantage by Knowledge Management

2010· article· en· W1953312456 sur OpenAlexvenueno aff
Zhenjia Zhang

Notice bibliographique

RevueCanadian social science · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKnowledge economyCompetitive advantageAgency (philosophy)Knowledge managementBusinessCompetition (biology)Construct (python library)Knowledge value chainPersonal knowledge managementMarketingOrganizational learningComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Knowledge Management (KM) is an emerging concept in the field of management and widely adopted in organizations of the developed countries for enhancing organizational performance. Nowadays, the competition among the travel agencies has been incandesced, and all of them are struggling to find methods to improve their comprehensive competitive power. Moreover, under the situation that “knowledge management” has turned out to be the global management upsurge and only the best knowledge management can make them keep up with the step of the time and get victories ceaselessly in the fierce market competition. To each travel agency, employees are not only the knowledge’s creators and users but also the actual participants of the knowledge movement. The successful actualization of the knowledge management system can make the travel enterprise improve the staff’s knowledge level with less cost, as well as establish a sufficient reserve team of capable people, so as to enhance the enterprise’s knowledge and economy level and competitive power. By studying on knowledge management theories, this paper focuses on the research of knowledge management’s appliance and actualization methods in travel agencies. Based on this, this paper puts forward some useful approaches that can be used by the travel enterprises to build effective knowledge management system, thereby to construct and improve their sustained competitive advantages. Key words: Knowledge Management; Travel agencies; Sustained Competitive advantage Resume: La gestion du savoir-faire est un concept emergent dans le domaine du management qui est generalement adopte pardles organisations dans les pays developpes pour ameliorer la performance organisationnelle. Aujourd'hui, la concurrence entre les agences de voyage est en incandescence, et tous d'entre elles peinent a trouver des methodes pour ameliorer leur competitivite globale. En outre, dans une situation ou la «gestion du savoir-faire» s'est revelee etre la recrudescence de la gestion globale, seule la meilleure gestion du savoir-faire peut faire suivre les allures du temps et obtenir des succes sans cesse face a la concurrence feroce du marche. Pour chaque agence, les employes ne sont pas seulement les createurs et les utilisateurs du savoir-faire, mais aussi les participants reels au mouvement du savoir-faire. L'actualisation reussie du systeme de gestion du savoir-faire peut inciter les agences de voyages a ameliorer le niveau de connaissances du personnel a un moindre cout, ainsi qu’a creer une equipe de reserve suffisante de personnel competent, a fin d’ameliorer le savoir-faire de l'entreprise, le niveau d’economie et le pouvoir concurrentiel. En etudiant sur des theories de gestion du savoir-faire, cet atricle met l'accent sur la recherche des outils de gestion du savoir-faire et sur l'actualisation des methodes dans les agences de voyage. Sur cette base, le present article met en avant certaines approches utiles qui pourraient etre utilisees par les entreprises de voyage pour construire un systeme efficace de gestion du savoir-faire, et de ce fait leur permet de construire et d'ameliorer leurs avantages concurrentiels durables. Mots-cles : gestion du savoir-faire; agences de voyages; avantage competitif durable

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatiflow
gptaucune catégorie
Domaine: non disponible · Genre: Autre
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,012
Communication savante0,0120,008
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,030
Tête enseignante GPT0,257
Écart entre enseignants0,227 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeQualitatif · Théorique ou conceptuel
Domainenon disponible
GenreEmpirique · Autre

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetInnovation and Knowledge ManagementTravaux en français237 207