A New Equation for Human Intellectual Capital Management Intelligent Website for Managing Communities of Practice of Academic Organizations and Financial Investments by Using Adaptive and Dynamic Assessment Networks
Notice bibliographique
Résumé
In the forthcoming twenty century, economic system of each country should be driven based on sciences, technology and innovations developed by specific knowledge from specialists called knowledge workers. This is an important strategy of Thailand to develop new products and services for surviving in serious business competition. Therefore, essential knowledge in knowledge workers such as skills and experiences for developing new products, services and innovations are required. This tacit knowledge (knowledge in human) should be appropriately measured and managed in the perspective of intellectual capital or intangible capital management. This paper attempts to answer the question “How to appropriately measure tacit knowledge by using graph theory?”. Thus, a new equation to measure intellectual capital for managing excellent centers and laboratories is presented in this paper. This is the novel impact factor equation which considers the dimension of time and frequency of published articles combined with the other impact factors of each published paper on Scimago Journal Rank website and Scopus. Moreover, it is not only the formula which is the quantitative intellectual capital assessment but the intellectual capital indicators and the intellectual capital analysis for university are illustrated in the form of qualitative intellectual capital assessment also. Moreover, intellectual capital management intelligent website for managing Communities of Practice (CoP) of academic organizations and financial investments by using new equation and Dynamic Assessment Networks (DANs) is developed also. The proposed concept and methodology is a basis for risk management in terms of human capitals and financial investments.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».