MétaCan
Menu
Retour à la cohorte
Enregistrement W2149570223 · doi:10.1287/orsc.1110.0688

Bridging the Knowledge Gap: The Influence of Strong Ties, Network Cohesion, and Network Range on the Transfer of Knowledge Between Organizational Units

2011· article· en· W2149570223 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOrganization Science · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCarnegie Mellon UniversityEwing Marion Kauffman Foundation
Mots-clésKnowledge transferKnowledge managementCohesion (chemistry)Bridging (networking)Organizational learningBoundary spanningOrganizational network analysisContext (archaeology)Computer science

Résumé

récupéré en direct d'OpenAlex

Prior research has emphasized the importance of boundary spanners in facilitating the transfer of knowledge between organizational units. The successful transfer of knowledge between organizational units is critical for a number of organizational processes and performance outcomes. The empirical evidence on the success of boundary spanners is mixed, however. Research findings indicate boundary spanners can either facilitate or inhibit the flow of knowledge between organizational units. We develop and test a theoretical argument emphasizing the importance of the broader network context in which boundary spanning occurs. In particular, we consider how tie strength, network cohesion, and network range affect the level of knowledge acquired in cross-unit knowledge transfer relationships. An analysis of knowledge transfer relationships among several hundred scientists indicates that each network feature had a positive effect on the level of knowledge acquired in cross-unit knowledge transfer relationships. Our findings illustrate how network features contribute to the flow of knowledge between organizational units and, therefore, how network context contributes to heterogeneity in boundary-spanning outcomes.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,821
Score d'incertitude au seuil0,832

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,229
Écart entre enseignants0,184 · 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