The Impact of Organizational Forgetting on Knowledge Management: Evidence from Pharmaceutical Industry in Egypt
Notice bibliographique
Résumé
Purpose: The purposes of this paper are to determine the impact of Organizational Forgetting (OF) on Knowledge Management (KM) among employees at the Pharmaceutical industry in Egypt.Design/methodology/approach: Present study is conducted by descriptive-survey method and its population consists of employees at the Pharmaceutical industry in Egypt. 356 standard questionnaires were distributed of which 285 questionnaires (80%) were returned. To gather data, KM questionnaire devised by Jakob (2003) and Wiig (2003) and OF questionnaire devised by Fernandez & Sun, (2009) and Moshabbeki et al., (2012) are used.Findings: The research confirmed a conceptual model for OF. Moreover, research results showed that there is a meaningful relationship between OF and KM. Research results also indicate that OF impacts on KM.Research limitations/implications: Managers should encourage their employees to share their knowledge. Organizational knowledge can be created through individuals’ interactions. This study has some limitations. First, this paper just focuses on organizations to find new perspective for the OF literature. Second, because of the scope of this research, interviewees are limited to individuals who have knowledge or take any seminars related to field of this sector. Other sectors must be considered to attain detailed knowledge related to OF because case-specific studies will bring new dimensions to the literature of OF.Originality/value: First, this study makes a research contribution to the field of OF because studies related to OF mostly consist of conceptual papers. Second, I have introduced two new perspective to the concept of OF through this research paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».