MétaCan
Menu
Retour à la cohorte
Enregistrement W2073491073 · doi:10.1108/03055720810889806

The “continuumization” of knowledge management technology

2008· article· en· W2073491073 sur OpenAlexaff
Mirghani Mohamed

Notice bibliographique

RevueVINE · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensNew York Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésLEAPSOriginalityCompetitive advantageKnowledge managementComputer scienceTechnology managementBusinessMarketingSociology

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to explain why a different technology for knowledge management (KM) is needed. It also investigates the new trends in knowledge management technology (KMT), and shows how the new technology can be aligned with KM principles to satisfy business goals. Design/methodology/approach This paper interprets array of literature in the area of KMT as related to its importance and development. It provides a roadmap to how technology may ascend to the level of the KM cognitive process. This can only be achieved, if KMT presents itself as an authentic conduit for knowledge, and not only a channel for the lower end of the continuum. Findings So far, KMT is not mature enough to deliver bona fide KM processes. The distance from data to knowledge cannot be handled by the existing technology unless technology cast off its bivalent logic. Despite the recent leaps in technology in general, the situation is still perplexing and elusive. This is because KMT deals with the knowledge continuum sets either as discrete unrelated events or as one class with no different technological requirements. Practical implications KMT has become increasingly complicated and confusing. This paper will explain why KMT has not fulfilled its promise yet, and how this fact can be used to avoid technology selection pitfalls. Originality/value The paper provides a roadmap for KM practitioners for evaluating KMT functionalities as related to the type of knowledge needed in their organizations for achieving competitive advantage.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0030,026
Communication savante0,0160,016
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,222
Écart entre enseignants0,208 · 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'étudeThéorique ou conceptuel
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

Citations13
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVINEMême sujetCompetitive and Knowledge IntelligenceTravaux en français237 207