MétaCan
Menu
Retour à la cohorte
Enregistrement W2809001524 · doi:10.5539/jsd.v11n5p34

Challenges Faced in Inter-Organizational Collaboration Process. A Case Study of Region Skåne

2018· article· en· W2809001524 sur OpenAlexvenueno aff
Namonda Kwibisa, Safaa Majzoub

Notice bibliographique

RevueJournal of Sustainable Development · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Knowledge managementBusinessPoliticsEmpirical researchProcess managementPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

The increase in the complexity of social and societal problems that even a large actor cannot solve alone has caused pressure on many sectors, organizations and entities making the need for collaboration to be more urgent. This is because collaboration enables merging financial resources, human resources and expertise needed to tackle complex problems. However, the increased failure of collaborations requests greater consideration and investigation of the challenges in collaboration. The purpose of this study is to investigate the challenges in inter-organizational collaboration at management and employee level with a focus on the Thomson and Perry (2006), model of collaboration. To fulfil this purpose, inter-organizational collaboration towards open Skåne 2030 strategy was used as a case study. The empirical data showed that there are challenges in both the management and employee level in inter-organizational collaboration. Further, the study also found that political influence is a major challenge in inter-organizational collaboration. The study makes a contribution with the adaption of the model of collaboration process. The model serves to enlighten collaborators that challenges in inter-organizational collaboration are inter-linked.

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)0,008
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,004
Communication savante0,0050,004
Science ouverte0,0010,006
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,125
Tête enseignante GPT0,395
Écart entre enseignants0,269 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetComplex Systems and Decision MakingTravaux en français237 207