MétaCan
Menu
Retour à la cohorte
Enregistrement W2588648512 · doi:10.1145/3051473.3051478

Technology Portfolios

2017· article· en· W2588648512 sur OpenAlexaff
Jennie Carroll, Blaize Horner Reich

Notice bibliographique

RevueACM SIGMIS Database the DATABASE for Advances in Information Systems · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPortfolioKnowledge managementData collectionApplication portfolio managementSelection (genetic algorithm)Computer scienceConceptual frameworkBusinessProject portfolio managementProcess managementData scienceEngineeringSystems engineeringSociologyProject management

Résumé

récupéré en direct d'OpenAlex

Although people today regularly use a wide range of digital technologies for communication, information management and entertainment purposes, academic research has no conceptual way to describe this collection. This research seeks to answer 2 questions: 1) How well does the ?portfolio? concept describe the collection of technologies that individuals routinely use?, and 2) How do individuals manage technology portfolios over time? To answer these questions, data was gathered data using a multi-method qualitative design from technically-adept participants. Each participant had assembled a collection of technologies. We compared their technology selection and usage against five characteristics of a financial portfolio (purposeful, diverse, dynamic, balanced and holistic) and found many similarities and some differences. Using inductive analysis, a technology portfolio lifecycle containing five processes (Scan, Research, Trial, Use, and Retire) was developed. The paper concludes with a call to researchers to further develop the technology portfolio concept and to vendors and organizations to consider the ways that technologies are researched, trialed and integrated into a portfolio to increase chances for successful change.

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)0,005
score de la tête « metaresearch » (Gemma)0,019
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0030,001
Communication savante0,0110,015
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,008

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 Opus0,038
Tête enseignante GPT0,359
Écart entre enseignants0,321 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM SIGMIS Database the DATABASE for Advances in Information SystemsMême sujetKnowledge Management and SharingTravaux en français237 207