MétaCan
Menu
Retour à la cohorte
Enregistrement W2994875086 · doi:10.17705/1pais.11403

Social Capital and ICT Intervention: A Holistic Model of Value

2019· article· en· W2994875086 sur OpenAlexaff
Zafor Ahmed, Vinod Kumar, Uma Kumar, Evren Eryilmaz

Notice bibliographique

RevuePacific Asia journal of the Association for Information Systems · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSocial capitalPopularityInformation and Communications TechnologyAmbivalenceIntervention (counseling)Knowledge managementValue (mathematics)Capital (architecture)BusinessSociologyPsychologySocial psychologyComputer scienceSocial scienceWorld Wide WebGeography

Résumé

récupéré en direct d'OpenAlex

Background: Despite increasing popularity of Social capital, the relationship between social capital and ICT often appears to be an ambivalent one. Existing information systems (IS) literature presented various frameworks and theoretical foundations to facilitate the study of this concept, yet several contradictory findings have been reported indicating a significant knowledge gap in this domain. Current research adopts a holistic approach to address this knowledge gap by answering “How does social capital generate value or benefits in an ICT intervention?” Method: Current research employs a systematic literature review coupled with a grounded theory method to investigate proposed research questions. Results: Primary contributions of the current research include (1) the identification of contextual relationship between contextual factors and social capital dimensions, and (2) development of a holistic model of social capital driven benefits during ICT intervention where the ‘enablers’ and the ‘drivers’ of benefit have been identified. Conclusions: Identification of distinct roles and value-drivers related to social capital will help IS researchers in explaining “how and why” benefits are achieved while employing a social capital lens. Availible at: https://aisel.aisnet.org/pajais/vol11/iss4/3/

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,743
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,289
Écart entre enseignants0,261 · 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.

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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific Asia journal of the Association for Information SystemsMême sujetKnowledge Management and SharingTravaux en français237 207