MétaCan
Menu
Retour à la cohorte
Enregistrement W2971766916 · doi:10.1177/2043886919870547

Indigena: Teaching case of IT Impact Sourcing

2019· article· en· W2971766916 sur OpenAlexaffabout
Ron Babin, Brian Nicholson, Megan K Young

Notice bibliographique

RevueJournal of Information Technology Teaching Cases · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésOutsourcingWorkforceContext (archaeology)BusinessStrategic sourcingInsourcingOffshoringMarketingOffshore outsourcingCompetitive advantageEconomicsEconomic growthStrategic planning

Résumé

récupéré en direct d'OpenAlex

This teaching case introduces the concept of Impact Sourcing, in the context of global IT outsourcing. While IT outsourcing is a well-established management technique, with a history of at least 30 years, Impact Sourcing is a relatively new concept, conceptualized by the Rockefeller Foundation in 2011 and recently defined by the Global Impact Sourcing Coalition. To summarize this case, a First Nations band collaborated with a successful global outsourcing firm, Accenture, to establish Indigena, a Canadian-based impact-sourcing enterprise. Indigena found it difficult to attract, hire and retain qualified Aboriginal employees. The suburban office location in the high-cost Vancouver market may have been a key challenge in building a robust Aboriginal workforce. However, the challenge of winning outsourcing contracts in a competitive market may have been hindered by the Aboriginal workforce, despite the outward positive response of clients to the Impact Sourcing model. Indigena was not able to meet its social goals and at the same time it struggled to attract and retain clients. It was unable to demonstrate profitable business success, resulting in a strategic challenge from its investors.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,005
Communication savante0,0030,001
Science ouverte0,0020,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,007
Tête enseignante GPT0,250
Écart entre enseignants0,243 · 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

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Information Technology Teaching CasesMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207