MétaCan
Menu
Retour à la cohorte
Enregistrement W2922970060 · doi:10.4018/978-1-5225-5873-6.ch017

Integral Post-Analysis of Design-Based Research of an Organizational Learning Process for Strategic Renewal of Environmental Management

2018· book-chapter· en· W2922970060 sur OpenAlexaff
A. Faye Bres

Notice bibliographique

RevueAdvances in educational technologies and instructional design book series · 2018
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOrganizational learningKnowledge managementAction learningFunction (biology)Process (computing)Learning organizationProperty (philosophy)Complex adaptive systemAction (physics)Organizational architectureOrganization developmentComputer scienceManagement sciencePsychologyArtificial intelligenceEngineeringEpistemologyCooperative learningMathematics education

Résumé

récupéré en direct d'OpenAlex

This chapter is based on a design-based research study of organizational learning and on a subsequent integral analysis of how and why organizational learning did, and did not, occur in the study. Integral theory is applied to deepen the understanding of how human organizations learn and adapt as complex adaptive systems made up of nested, operationally closed groups and individuals. The level of development and learning potential of an organization, as holon, can be understood as an emergent property resulting from the coordination of function and action of the unities that make up the system, even given that the levels of development and learning potentials of the groups and individuals in an organization are not consistent across the organization. The advantages of combining complexity and integral theory are explored, as both are understood to provide different, complementary interpretations of whole human systems.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
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: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0060,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,179
Tête enseignante GPT0,411
Écart entre enseignants0,232 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in educational technologies and instructional design book seriesMême sujetComplex Systems and Decision MakingTravaux en français237 207