MétaCan
Menu
Retour à la cohorte
Enregistrement W2140577467 · doi:10.5539/ass.v11n9p281

Impact of Organizational Culture on Knowledge Management Process in Construction

2015· article· en· W2140577467 sur OpenAlexvenueno aff
Katun M. Idris, Ali K. Nita, Aliagha U. Godwin

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementKnowledge sharingStructural equation modelingProcess (computing)Organizational cultureOrganizational learningBusinessKey (lock)Set (abstract data type)Empirical researchProcess managementComputer scienceManagementMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

One of the key global pressures of knowledge management practice is knowledge acquisition, creation, sharing,storing and dissemination. The global business is reflecting a throng of culture, leadership and culturalupbringings which warrant bringing into line consistent alterations in management of knowledge because ofdiversity of workforce in construction organization. Theoretically, the study predicts the empirical role of culture(managerial learning and trust) with reference to knowledge management process. This paper presents aknowledge management (KM) model that comprises a set of KM hypothesis model and measurement models forunderstanding and applying these KM models to boost the application of KM in the construction organization.76 private construction organization was investigated with 323 questionnaire surveys. A hypothesized model ofKM process and culture was tested using structural equation modelling approach and a proposed model wastherefore developed. Likewise, all fit indices for KM process and factor loadings shows the significant impact ofculture on KM process, leading to a thrifty model achievement. The study shows that culture demonstrated 0.73significant influence on the knowledge management process. The analysis revealed that managerial learning andtrust were key factors that impact positively on KM process within the construction organization underinvestigation.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,054
Tête enseignante GPT0,410
Écart entre enseignants0,356 · 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

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetConstruction Project Management and PerformanceTravaux en français237 207