Les technologies de l’information, la gestion des connaissances et un avantage concurrentiel soutenu : une analyse par la théorie des ressources
Notice bibliographique
Résumé
La théorie des ressources présente une approche stratégique par laquelle une organisation a recours à ses ressources internes en vue d’obtenir un avantage concurrentiel durable. En effet, depuis une vingtaine d’années, les gestionnaires considèrent que certaines ressources et certaines capacités spécifiques des entreprises sont cruciales pour expliquer la performance en affaires. Un des défis à relever, pour ces gestionnaires, est d’identifier, de développer, de protéger et de déployer ces ressources dans une direction qui assure un avantage concurrentiel durable. Or, la connaissance est reconnue comme l’une de ces rares ressources organisationnelles intangibles susceptibles d’accorder un avantage concurrentiel durable. Ainsi, reprenant l’étude de cas de Cooper, Watson, Wixon et Goodhue (2000), cette note de recherche applique la théorie des ressources en gestion des connaissances et en technologies de l’information et contribue à conscientiser les gestionnaires sur le potentiel stratégique et l’importance de développer un leadership spécifique en gestion des connaissances et en technologies de l’information.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,012 | 0,019 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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.
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 ».