MétaCan
Menu
Retour à la cohorte
Enregistrement W2754692568 · doi:10.1108/fs-07-2017-0024

Canadian competitive intelligence practices – a study of practicing strategic and competitive intelligence professionals Canadian members

2017· article· en· W2754692568 sur OpenAlexaffabout
Jonathan Calof

Notice bibliographique

Revueforesight · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of South AfricaNational Research University Higher School of EconomicsNorth-West University
Mots-clésCompetitive intelligenceOriginalityCompetitive advantageFutures studiesValue (mathematics)Strategic intelligenceIntelligence cycleResource (disambiguation)Market intelligenceMarketingSample (material)PsychologyKnowledge managementPublic relationsBusinessMilitary intelligenceSociologyPolitical scienceQualitative researchComputer scienceSocial scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose With intelligence (a field related to foresight) practice growing, the purpose of this study was to examine the practices of Canadian competitive intelligence (CI) practitioners. Design/methodology/approach Survey of Canadian CI practitioners who are SCIP members (Strategic and Competitive Intelligence Professional), using a revision to a previously used instrument designed to examine competitive intelligence practices. Findings Canadian SCIP member competitive intelligence practices seem to be more formalized than those found in the global SCIP study in 2006 with 84.8 per cent having a manager with CI responsibilities, 61 per cent with a formal centralized CI unit and only 9 per cent responding that CI was done informally. Intelligence units were generally smaller with 38 per cent having one full-time CI resource and 41 per cent having between 2 and 4 full-time resources. Additional findings on information sources used, analytical techniques used, evaluation methods and communication methods are reported. Research limitations/implications Despite getting responses from close to 50 per cent of SCIP members, the small sample size (79) makes it difficult to generalize the results beyond the Canadian SCIP environment and limits the testing that can be done. Originality/value The last study on Canadian competitive intelligence practices was in 2008, thus part of the originality of the study was getting more recent information on corporate intelligence practice. In addition, this is the first Canadian study to focus specifically on known intelligence practitioners (SCIP members). Past studies focused on companies in general regardless of whether respondents knew what competitive intelligence was or practiced CI.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,274

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,007
Études des sciences et des technologies0,0100,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,073
Tête enseignante GPT0,332
Écart entre enseignants0,259 · 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'étudeQualitatif
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

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueforesightMême sujetCompetitive and Knowledge IntelligenceTravaux en français237 207