MétaCan
Menu
Retour à la cohorte
Enregistrement W1966509188 · doi:10.4018/ijkm.2014070105

Examining the Transfer of Academic Knowledge to Business Practitioners

2014· article· en· W1966509188 sur OpenAlexaff
Madora Moshonsky, Alexander Serenko, Nick Bontis

Notice bibliographique

RevueInternational Journal of Knowledge Management · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensLakehead UniversityBank of CanadaMcMaster UniversityBusiness Development Bank of Canada
Organismes subventionnairesnon disponible
Mots-clésGraduation (instrument)IntermediaryKnowledge transferDisseminationMedical educationPublic relationsPsychologyBusinessKnowledge managementMedicinePolitical scienceMarketingComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This study explores whether practitioners who hold a Ph.D. in business act as intermediaries in the transfer of academic knowledge from academia to practice. Twenty Ph.D. graduates were interviewed, and the data were subjected to deductive content analysis. It was concluded that the previous claims that academic research does not influence decision-making of industry practitioners are not fully warranted. Graduates of doctoral business programs act as knowledge-transfer intermediaries that aggregate, summarize, communicate, and implement findings reported in academic publications. Academic journals have the potential to disseminate scholarly knowledge beyond the academic world. Demand for evidence-based knowledge in the practitioner's environment determines his or her probability of applying academic knowledge. Not all academic knowledge is perceived as useful by practitioners, and limited access to academic literature is a major impediment to the application of scholarly findings in practice. The practitioners' connection with academia after graduation is also linked to their probability of using academic literature.

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)0,023
score de la tête « metaresearch » (Gemma)0,123
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,123
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,003
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,520
Écart entre enseignants0,304 · 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'étudeObservationnel
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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Knowledge ManagementMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207