MétaCan
Menu
Retour à la cohorte
Enregistrement W2765994107 · doi:10.28945/3697

A Knowledge Management IT Tool: An Investigation within a Marketing Introductory Course

2017· article· en· W2765994107 sur OpenAlexaff
Samie Li Shang Ly, Raafat George Saadé

Notice bibliographique

RevueInforming Science and IT Education Conference · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementKnowledge sharingPerceptionOrganizational learningComputer scienceExploratory researchPsychologySociology

Résumé

récupéré en direct d'OpenAlex

Aim/Purpose: The purpose of this study is to shed light on how students learn within an environment tailored to knowledge creation. Background: We build on Nonaka, Toyama, and Konno’s three key elements: SECI model, Ba, Leadership as well as current knowledge management researchers critiques and improvements. Methodology: Based on an introductory marketing course, we used an in-house web based learning tool (peer-to peer) to capture score performances and perception surveys. The analysis was conducted through an exploratory factor analysis (EFA). Contribution: This study shed light on current knowledge management critiques by providing measures at the micro-level and community level. Findings: Perceptions of adaptability and usefulness change positively over time, while students’ repeated practice prepares them for different styles of questions as their performances increases over time. Recommendations for Practitioners: Organizations can understand how employees create knowledge through exchange of ideas, feedback, and common goals. Supervisor can understand their employees better and employees can gain a sense of control on their work. Recommendation for Researchers: The ability to capture information over time on the human and community level within a system allows further research to shed light on different variables of knowledge creation in the field. Impact on Society : An appreciation of the mechanism of knowledge creation can encourage organization to become more innovative and focus on people rather than material. Future Research: Measures such as the engagement level, the personality level, and compatibility level within a community to create knowledge are to be explored.

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)0,007
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,135
Tête enseignante GPT0,427
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInforming Science and IT Education ConferenceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207