MétaCan
Menu
Retour à la cohorte
Enregistrement W2555313458 · doi:10.1057/s41266-016-0006-y

Information Systems Acquisition Decisions: Learning Management System of SolBridge

2016· article· en· W2555313458 sur OpenAlexaff
Tahir Hameed, Bobby Swar

Notice bibliographique

RevueJournal of Information Technology Teaching Cases · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensConcordia University of Edmonton
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)Total cost of ownershipCloud computingDilemmaLicenseScalabilityBusinessKnowledge managementLegacy systemKey (lock)OutsourcingInformation technologyComputer scienceProcess managementEngineering managementMarketingComputer securityEngineeringManagementEconomics

Résumé

récupéré en direct d'OpenAlex

SolBridge, a young business school in South Korea, acquired an open-source learning management system (LMS) in early years of its operation. It switched to an on-premises proprietary LMS a few years later. However, before renewal of its annual license SolBridge was caught in a typical dilemma of information systems acquisition (IS acquisition), i.e., keeping the costs lowest while maximizing user and organizational benefits. The decision was made more complex by newly available cloud-hosting options. SolBridge CIO analyzed the total cost of ownership (TCO) and benefits of several options before recommending one of them to school management. This case provides senior undergraduate or graduate students with an opportunity to assume the role of SolBridge CIO and analyze TCO for its next LMS. Not only will they realize the managerial challenges involved in selection and acquisition of enterprise information systems but they will also learn about the economic feasibility of on-premises and cloud-hosting options. It also becomes visible to them that organizations grapple with unceasing technological and organizational changes. Therefore, flexibility and scalability emerge as key elements of modern IT infrastructure.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0430,010

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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · 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'étudeSans objet
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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Information Technology Teaching CasesMême sujetCloud Computing and Resource ManagementTravaux en français237 207