MétaCan
Menu
Retour à la cohorte
Enregistrement W2805840821 · doi:10.1561/9781680834314

Empirical Research in Information Systems: 2001–2015

2018· book· en· W2805840821 sur OpenAlexaff
Shadi Shuraida, Henri Barki

Notice bibliographique

Revuenow publishers, Inc. eBooks · 2018
Typebook
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésEmpirical researchRelevance (law)Information systemKnowledge managementComputer scienceData scienceEmpirical evidenceManagement information systemsManagement scienceEngineeringEpistemologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Empirical Research in Information Systems: 2001-2015 provides a first step in providing empirical evidence and knowledge about the practical relevance of IS research. The monograph first develops a broad yet sufficiently fine-grained framework of IS research by integrating earlier frameworks. It then identifies all empirical IS research published from 2001 to 2015 in four top IS journals (Journal of the Association for Information Systems, Journal of Management Information Systems, Information Systems Research, and MIS Quarterly), and maps onto this framework all the constructs and relationships that were examined by the 1,361 empirical papers published in this 15-year period. Next, based on this mapping and by drawing on criteria proposed by organizational and IS researchers, it provides a preliminary assessment of the relevance of empirical IS research to practice, and discusses the study’s findings and their implications.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0080,011
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,009

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 Opus0,194
Tête enseignante GPT0,374
Écart entre enseignants0,180 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenow publishers, Inc. eBooksMême sujetBig Data and Business IntelligenceTravaux en français237 207