Towards the reconciliation of knowledge management and e‐collaboration systems
Notice bibliographique
Résumé
Purpose The purpose of this paper is to propose an intelligent infrastructure for the reconciliation of knowledge management and e‐collaboration systems. Design/methodology/approach Literature on e‐collaboration, information management, knowledge management, learning process, and intellectual capital is mobilised in order to build the conceptual framework. Findings This paper presents a conceptual framework including a set of concepts and guidelines that can be used to specify an efficient knowledge infrastructure for networked enterprises. Research limitations/implications Results from this study uphold the emerging research area of knowledge management in e‐collaboration systems. The proposed framework derived purely from theory and conceptual analysis; more work needs to be done in order to validate and experiment with the framework. Future research remains be carried out to apply the framework on a broader scale, and in particular to determine its applicability relative to various collaboration patterns and current technology development. Practical implications Results from this study are important for networked enterprises, especially knowledge‐intensive enterprises, who intend to build e‐collaboration systems to organize their knowledge base and to share it with their partners. Originality/value This paper is one of the first to address collaborative knowledge management in e‐collaboration systems with a focus on the promotion of learning process and the creation of intellectual capital.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,019 | 0,038 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».