MétaCan
Menu
Retour à la cohorte
Enregistrement W2563016341 · doi:10.4018/ijeei.2016070103

The Role of Technology and Social Media in Tacit Knowledge Sharing

2016· article· en· W2563016341 sur OpenAlexaff
Kimiz Dalkir

Notice bibliographique

RevueInternational Journal of E-Entrepreneurship and Innovation · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTacit knowledgeKnowledge managementKnowledge sharingInformation and Communications TechnologyKey (lock)Experiential knowledgeSocial mediaComputer scienceExplicit knowledgeSelection (genetic algorithm)Face (sociological concept)SociologyWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Technology-mediated knowledge sharing has become almost unavoidable given the globalization of work. Co-workers are not necessarily in close enough proximity to have face-to-face interactions despite the fact that these are the most effective means of sharing knowledge. Information and communication technologies (ICTs) differ in a number of key attributes. While traditional technologies are well suited for sharing explicit knowledge, that has been articulated and documented as text or other media, tacit knowledge is more challenging. Tacit knowledge is typically experiential knowledge that is very difficult to put into words or document in any way. This paper proposes an ICT selection method based primarily on media richness (extent to which multimedia content can be shared) and social presence (extent to which people feel they are connecting with other people and not technology). These characteristics can serve as a preliminary basis to select the most appropriate channel for sharing tacit knowledge.

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 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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,120

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,307
Écart entre enseignants0,280 · 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 tête enseignante, 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of E-Entrepreneurship and InnovationMême sujetKnowledge Management and SharingTravaux en français237 207