Knowledge management and organizational performance: an exploratory analysis
Notice bibliographique
Résumé
Purpose The purpose of this paper is to report the results of an exploratory investigation of the organizational impact of knowledge management (KM). Design/methodology/approach A search of the literature revealed 12 KM practices whose performance impact was assessed via a survey of business organizations. Findings KM practices were found to be directly related to organizational performance which, in turn, was directly related to financial performance. There was no direct relationship found between KM practices and financial performance. A different set of KM practices was associated with each value discipline (i.e. customer intimacy, product development and operational excellence). A gap exists between the KM practices that firms believe to be important and those that were directly related to organizational performance. Research limitations/implications The majority of the research constructs were formative, thus improving the measurement of KM practices will prove vital for validating and extending these findings. The findings were based solely on organizations from North America and Australia and may not reflect KM practices in other geographic, economic or cultural settings. Practical implications This study encourages practitioners to focus their KM initiatives on specific intermediate performance outcomes. Originality/value The paper examines the relationship between KM practices and performance outcomes. It was expected that a direct relationship between KM practices and organizational performance would be observed. It was also expected that organizational performance would mediate the relationship between KM practices and financial performance. These expectations were supported. KM practices showed a direct relationship with intermediate measures of organizational performance, and organizational performance showed a significant and direct relationship to financial performance. There was no significant relationship found between KM practices and financial performance.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».