EMPIRICAL STUDY OF KNOWLEDGE SHARING AMONG MULTINATIONAL ACADEMICIANS
Notice bibliographique
Résumé
Knowledge sharing among faculty members may enhance the quality of teaching and research activities. Despite the fact that a number of research has been conducted, to the best of our knowledge, this is the first work that focus on multinational academicians. The aim of this empirical study is to investigate ways and factors which contribute to knowledge sharing in the context of multinational academicians at universities. We performed this study at the Information Technology faculty at one of universities in Saudi Arabia, as a case study. The faculty employed academicians from 10 different countries including Malaysia, Jordanian, Egypt, Saudi Arabia, Tunisia, Pakistan, Yamen, Algeria and Canada. We used qualitative and quantitative approaches. The sample size of this study is N=40, and n=38 responded to the survey. Research results indicate 100% and 95% of academicians preferred to use phone calls and social media respectively, for knowledge sharing. Between 92% and 95% of the respondents have approved that elements of self-esteem which include satisfaction and feeling proud of oneself, respectively, are factors for knowledge sharing. Despite the fact that there is a strong relationship between trust and friendship, there is a need to substantiate that assumption because only 42% of the respondents shared based on a friendship relationship. Respondents also recognized appreciation and monetary rewards as motivation factors. The language used, lack of informal interactions, voluntary efforts are among barriers of knowledge sharing in this context. Findings of this study can be used a guideline for setting up a knowledge sharing mechanism by multinational higher education institutes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».