The concept of knowledge in KM: A knowledge domain process model applied to inter‐professional care
Notice bibliographique
Résumé
Abstract Grounded in a social construction view of knowledge and based on the work of Haridimos Tsoukas and Max Boisot, this paper attempts to extend Colin Reilly's knowledge domain model using a process modeling approach. The objective of this paper is to construct a more comprehensive meta‐understanding of knowledge domains that considers the influence of organizational context, of a community or group (social construction of knowledge), the presence of events and knowledge artifacts, temporal cycles, and individual knowledge processes. The authors begin by synthesizing the existing literature review to construct the proposed Knowledge Domain Process (KDP) model. Following the construction of the model, the authors develop and use a composite case (from a number of cases experienced by one of the authors as a practitioner) to illustrate the application of the model. The proposed model is then applied to an Inter‐Professional Care (IPC) setting within health care, to illustrate how knowledge is constructed, exchanged, and used across numerous health care communities, in an effort to improve coordination and care. The KDP model attempts to provide researchers and practitioners with a more structured, detailed, and analytical way of looking at the processes involved in knowledge construction and dissemination. This model is viewed as a work‐in‐progress and is still under development. Use by others is encouraged and will help validate or refute the model in part or in whole. Copyright © 2009 John Wiley & Sons, Ltd.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».