MétaCan
Menu
Retour à la cohorte
Enregistrement W2606777715 · doi:10.4018/978-1-5225-2394-9.ch014

The Role of Human Resources (HR) in Tacit Knowledge Sharing

2017· book-chapter· en· W2606777715 sur OpenAlex
Kimiz Dalkir

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAdvances in knowledge acquisition, transfer, and management book series/Advances in knowledge acquisition, transfer and management book series · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementTacit knowledgeKnowledge sharingPersonal knowledge managementSuccessor cardinalContext (archaeology)ConfusionExplicit knowledgeKnowledge transferKnowledge value chainBody of knowledgeKnowledge engineeringOrganizational learningComputer scienceBusinessPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

In Knowledge Continuity Management (KCM), knowledge from highly experienced employees leaving the organization is particularly challenging to document, classify and organize so that it can be accessed, understood and used by the successor to that employee. Horizontal knowledge sharing (in the context of peer-to-peer networks) and vertical knowledge transfer (in the context of KCM) are distinguished in order to address some of the conceptual confusion in this field. Both Human Resources (HR) and Knowledge Management (KM) units contribute to KCM but they need to do so in a more integrated fashion. The complementary roles played by the KM and HR teams are analyzed in a case study to show how they can work in tandem to ensure knowledge continuity in an organization. Key recommendations are made on how to implement a comprehensive KCM strategy for tacit knowledge, including the role that can be played by information and communication technologies.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,004
Communication savante0,0010,010
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,276
Écart entre enseignants0,266 · 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