MétaCan
Menu
Retour à la cohorte
Enregistrement W3123911260

Knowledge Collaboration in Online Communities

2011· article· en· W3123911260 sur OpenAlexaff
Samer Faraj, Sirkka L. Järvenpää, Ann Majchrzak

Notice bibliographique

RevueSSRN Electronic Journal · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGenerative grammarKnowledge managementScope (computer science)Public relationsResource (disambiguation)Identity (music)Online communitySociologyConvergence (economics)Political scienceEconomicsComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Online communities (OCs) are a virtual organizational form in which knowledge collaboration can occur in unparalleled scale and scope, in ways not heretofore theorized. For example, collaboration can occur among people not known to each other, who share different interests and without dialogue. An exploration of this organizational form can fundamentally change how we theorize about knowledge collaboration among members of organizations. We argue that a fundamental characteristic of OCs that affords collaboration is their fluidity. This fluidity engenders a dynamic flow of resources in and out of the community — resources such as passion, time, identity, social disembodiment of ideas, socially ambiguous identities, and temporary convergence. With each resource comes both a negative and positive consequence, creating a tension that fluctuates with changes in the resource. We argue that the fluctuations in tensions can provide an opportunity for knowledge collaboration when the community responds to these tensions in ways that encourage interactions to be generative rather than constrained. After offering numerous examples of such generative responses, we suggest that this form of theorizing — induced by online communities — has implications for theorizing about the more general case of knowledge collaboration in organizations.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,049
Tête enseignante GPT0,331
Écart entre enseignants0,281 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetKnowledge Management and SharingTravaux en français237 207