Exploration of Knowledge Acquisition Techniques in Tunnel Industry: The Case Study of Iran Tunnel Association
Notice bibliographique
Résumé
Purpose: The main propose of this study is determining appropriate knowledge acquisition techniques to extracttunnel expert’s knowledge.Design/methodology/approach: A porposive sampling method was used and data were collected viaface-to-face interview based on a validated Knowledge Acquisition Questionnaire (KAQ). A total of 33 expertsin tunnel industry who were presented by Iranian Tunnel Associated were identified and selected.Findings: The result of this study showed that semi-structured interview, timeline, think aloud problem-solving,commentary, teach back, concept map, process map, repertory grid technique, composition ladder, decisionladder, process ladder interview, matrix, Observational techniques have meaningful effects on elicitation oftunnel experts’ knowledge.Limitation: Briefly, problem of this project were large number of experts, Limited time for interviews, (Inaccordance to these experts’ avocations and huge responsibility), and outspread geographical distribution (fromTehran, Khorasan, Khoozestan). Inadequate many experts know little about KM and it's advantagesOriginality/value: The innovation of this research is the first time this kind of research has been done in Iran.Until now, in Iran any working has not been done in the field of management and extraction knowledge experts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».