MétaCan
Menu
Retour à la cohorte
Enregistrement W3121946644

Tacit Knowledge Sharing in Geographically Distributed Enterprise Resources Planning (ERP) Implementation: An Exploratory Multi-Site Case Study

2009· article· en· W3121946644 sur OpenAlex
Ramaraj Palanisamy

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueSSRN Electronic Journal · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésEnterprise resource planningKnowledge managementTacit knowledgeKnowledge sharingDatabase transactionBusinessEnterprise softwareComputer scienceProcess management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Organisations that implement Enterprise Resources Planning (ERP) software packages are making a big commitment in terms of both time and money. Realising the ERP benefits, some organisations have successfully implemented while others have struggled, settled for minimum returns, and abandoned the system. Especially in a Geographically Distributed Environment (GDE), ERP implementation is more risky. To mitigate the risks, a knowledge sharing framework is suggested to be put in place during ERP implementation phases. The ERP implementation requires more knowledge about business processes, transaction rules, organisational structure, and other related transactions. Based on findings in an extensive study of three Canadian organisations that have gone through ERP implementation phases, this study examines tacit knowledge sharing in design, configuration, and testing of ERP systems. The lessons learned and knowledge sharing activities are given by presenting a cross-comparison of the case studies.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,344
Écart entre enseignants0,306 · 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