MétaCan
Menu
Retour à la cohorte
Enregistrement W3120672612 · doi:10.5267/j.msl.2020.12.010

Impact of organisational factors on tacit knowledge sharing in HEIs: Focusing the mediating role of KM system quality

2021· article· en· W3120672612 sur OpenAlexvenueno aff
Haleema Hassan

Notice bibliographique

RevueManagement Science Letters · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTacit knowledgeKnowledge managementKnowledge sharingExplicit knowledgeBusinessHigher educationLeverage (statistics)Quality (philosophy)Knowledge value chainOrganizational learningKnowledge economyPersonal knowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Higher Education Institutions (HEIs) greatly relies on tacit knowledge sharing. Hence, it is important to investigate the means of promoting knowledge retention. The growth of technology in knowledge management system triggers the transformation of knowledge quality to leverage institutional knowledge. HEIs as knowledge provider needs a knowledge sharing network which can meet the demands of changing knowledge. This paper aims to study the mediating role of knowledge management (KM) system quality between organizational factors and tacit knowledge sharing among academics of HEIs. Barron and Kenny method was used to measure the direct and indirect influence of KM system quality between organisational factors and tacit knowledge sharing. The prelude findings reveal that knowledge management system was effective through organisational factors which promote tacit knowledge sharing among academics of HEIs.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,041
Tête enseignante GPT0,345
Écart entre enseignants0,305 · 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'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetKnowledge Management and SharingTravaux en français237 207