MétaCan
Menu
Retour à la cohorte
Enregistrement W2279868346 · doi:10.1016/j.promfg.2015.07.528

An Intentional Approach to the Engineering of Knowledge-intensive Service Systems

2015· article· en· W2279868346 sur OpenAlexaff
Lysanne Lessard

Notice bibliographique

RevueProcedia Manufacturing · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésKISS (TNC)Service (business)Knowledge managementComputer scienceService designProcess managementCoproductionProduct-service systemService providerSystems engineeringEngineeringBusinessBusiness model

Résumé

récupéré en direct d'OpenAlex

This paper presents an Intentional Architectural Framework for developing Knowledge-Intensive Service System Architectures (IAF-KISSA). This framework enables the specification and evaluation of knowledge-intensive service systems (KISS) architectures at the levels of network, performance, engagement, and activities. A chosen architecture then allows designing, developing, and adapting a KISS throughout its lifecycle. This research is motivated by the lack of service systems engineering (SSE) methods specifically created for KISS, despite their economic importance in industrialized economies. Examples of KISS include joint innovation initiatives and IT outsourcing contracts. KISS possess a number of distinctive characteristics, including: the knowledge-intensity of their processes and outputs; the inter-organizational coproduction of outputs, and the multi-stakeholder perspective that drives the evaluation of these systems’ performance. SSE aims to define and discover dynamic relationships among entities in order to plan, design, and adapt services systems to cocreate value [1], [2]. SSE calls for a change in perspective in service engineering, from services as products to services as socio-technical systems where actors and resources are configured to collaboratively create value. An important challenge for the field of SSE is the creation of advanced models, methods, and tools for developing service system architectures. However, current service system architectures typically retain a functional and provider perspective on service systems operations without accounting for KISS characteristics. Using an intentional approach leads to modeling a service system in terms of agents, goals, strategies, and dependencies, thus addressing these concerns by moving from a functional to a strategic level of analysis [4]. Using an intentional approach to architecting KISS is thus ideally suited to their social and behavioral complexity. IAF-KISSA contributes a novel approach for architecting KISS, a type of service system that has hitherto been beyond the scope of SSE. Moreover, given the importance of knowledge for all types of service systems [2], IAF-KISSA could provide an innovative manner in which to architect service systems in general.

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)0,006
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 enseignants0,009
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0030,013
Communication savante0,0080,008
Science ouverte0,0040,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,236
Écart entre enseignants0,196 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia ManufacturingMême sujetService and Product InnovationTravaux en français237 207