MétaCan
Menu
Retour à la cohorte
Enregistrement W2025570380 · doi:10.1142/s0219649212500244

Revisiting Knowledge Management Systems: Exploring Factors Influencing the Choices of Knowledge Management Systems in Knowledge-Intensive Organisations

2012· article· en· W2025570380 sur OpenAlexaff
Joyline Makani

Notice bibliographique

RevueJournal of Information & Knowledge Management · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementAsset (computer security)Personal knowledge managementKnowledge value chainWork (physics)BusinessKnowledge economyOrganizational learningComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

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.

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)0,023
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,081
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,006
Communication savante0,0120,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,306
Écart entre enseignants0,245 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Information & Knowledge ManagementMême sujetKnowledge Management and SharingTravaux en français237 207