Information Technology Training for a Globalized Workforce – Challenges, Tools and Research Directions
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.
Notice bibliographique
Résumé
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 âGlobal Computer Education,â âInternational Training Services,â Training for a Global World,â 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 employeesâ 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle