Revisiting Knowledge Management Systems: Exploring Factors Influencing the Choices of Knowledge Management Systems in Knowledge-Intensive Organisations
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
Limited research attention has been directed toward exploring ways in which organisations' understanding of their activities and the contexts in which their workers work influence the organisations' choice, design, and implementation of knowledge management systems (KMS). In particular, little research and insights exist to guide the successful development and implementation of KMS in knowledge-intensive organisations (KIOs). This oversight is somewhat surprising given that knowledge is a key asset in KIOs and one might therefore expect the design of systems that are used to manage knowledge of paramount interest to KIO researchers and practitioners. Using primarily grounded theory approach this study examines how KIO defining factors, KIO organisational knowledge-intensity attributes and knowledge worker activities relate to the choice of KMS in KIOs. Results of this analysis suggest that both organisational knowledge-intense attributes and knowledge-intense worker activities inform the choice and application of KMS in KIOs. Notably, the results revealed significant differences among participants in their choices of KMS, pointing to the fact that managers and practitioners in KIOs critically consider knowledge-intense factors defining their organisations when choosing and implementing KMS. This study contributes to the knowledge management (KM) literature in general and in particular to the KMS in KIOs theory and practice, where limited attention has been paid to the various ways knowledge-intense organisational and worker-related factors may influence KMS choices, design, and adoption and ultimately organisational KM effectiveness.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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