MétaCan
Menu
Retour à la cohorte
Enregistrement W198748625

Information Technology Training for a Globalized Workforce – Challenges, Tools and Research Directions

2010· article· en· W198748625 sur OpenAlexaff
Radhika Santhanam, Deborah Compeau, Mun Yong Yi, Guillermo Rodríguez-Abitia

Notice bibliographique

RevueJournal of the Association for Information Systems · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueInformation Systems Education and Curriculum Development
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésWorkforceTraining (meteorology)Knowledge managementInformation technologyComputer scienceEngineering managementData scienceEngineeringEconomic growthEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

IT training research is one of the dominant themes in IS research for the past two decades and has provided a rich knowledge base of tools and techniques to impart IT training to employees (Compeau et al. 1995; Sharma and Yetton 2007). IT training is a critical enabler of information system acceptance and use, because employees who undergo training have higher positive attitudes than those who do not (Cooper and Zmud 1990, Xia and Lee 2000). But conducting business in a global workspace has created additional challenges for IT training professionals and organizational consultants. Training service firms with names such as “Global Computer Education,” “International Training Services,” Training for a Global World,” are becoming quite commonplace. Business Information systems, instead of being simple one-user systems, have become complex, large, integrated systems used by many different employees and require more learning and coordination efforts on the part of employees (Gattiker and Goodhue 2005, Santhanam et al. 2007, Sharma and Yetton 2007). Hence, new training methods such as virtual training, situational learning, and behavior modeling are being researched to support employee learning and expand upon the traditional face-to-face lecture based training (Alavi and Leidner 2001, Yi and Davis 2003, Gallivan et al. 2005, Santhanam et al. 2008). IT support staff also have to play a critical role as trainers as they support employees’ learning process long after training programs are completed (Haggerty and Compeau 2002, Pawlowski and Robey 2004). IT staff/trainers can learn from these research findings that could help them better manage training on new information technologies and cope with training employees in a global workspace.

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)0,021
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0040,009
Communication savante0,0190,032
Science ouverte0,0040,008
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,066
Tête enseignante GPT0,331
Écart entre enseignants0,265 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetInformation Systems Education and Curriculum DevelopmentTravaux en français237 207