MétaCan
Menu
Retour à la cohorte
Enregistrement W1970683543 · doi:10.1108/13673271211218843

Classifying organizations by knowledge intensity – necessary next‐steps

2012· article· en· W1970683543 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Knowledge Management · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGeneralizability theoryKnowledge managementOriginalityLeverage (statistics)Foundation (evidence)Empirical researchValue (mathematics)Computer scienceManagement sciencePsychologyEngineeringCreativityPolitical scienceArtificial intelligenceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to empirically explore the key elements for classifying and differentiating knowledge‐intensive organizations (KIOs) from other traditional organizations. Design/methodology/approach The study's conceptual framework is based on the prevailing propositions from the literature on KIOs and is explored using a survey of knowledge management (KM) professionals, a purposely selected community of practice (CoP). Findings The results suggest that organizations can generally be divided into two groups – KIOs and non‐KIOs, and there appear to be some clear factors that differentiate KIOs from non‐KIOs according to the CoP. Research limitations/implications This study lays a foundation for the systematic development and evaluation of KIOs and their KM practices. The results from this study can stimulate issue formulation and hypothesis generation for investigation by KM researchers and academics. The study focused on a few types of organizations drawn from the literature which may limit the generalizability of the results. However, restricting the study to the core organizations identified in the literature provided the authors with leverage for an in‐depth empirical exploration of these organizations' characteristics. Practical implications To a KM practitioner this study aids in delineating the different elements to keep in mind when designing or evaluating KM practices in KIOs. Originality/value This paper is among the early works to empirically explore KIOs. It advances a framework of how to recognize the knowledge‐intense factors defining KIOs, thereby providing the required foundation for analyzing KM practices in KIOs. Also by identifying the core dimensions defining knowledge intensity, the study underscores the importance of the relations between workers, the community (organization) of which they are members, and the conceptions the workers have of their activities as presented in the theory of organizations as activity systems. While the importance of knowledge has often been demonstrated within work groups or for particular organizational processes, this study has demonstrated a useful foundation for analyzing an organization as a whole.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,257
Écart entre enseignants0,229 · 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