MétaCan
Menu
Retour à la cohorte
Enregistrement W3187423678 · doi:10.4018/978-1-7998-7422-5.ch012

Towards a Learning Organization

2021· book-chapter· en· W3187423678 sur OpenAlexaff
Anindita A. Bose, Colin Furness

Notice bibliographique

RevueAdvances in knowledge acquisition, transfer, and management book series/Advances in knowledge acquisition, transfer and management book series · 2021
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Learning and Leadership
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementSocial learningLearning organizationOrganizational learningOrganizational changeAdaptive capacityComplex adaptive systemPsychologyComputer sciencePolitical sciencePublic relationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A learning organization is one that is consistently capable of adaptive change in response to signals from its environment. However, knowledge management initiatives to enact learning organizations have not been uniformly successful. This chapter focuses on the role of the psychological environment of the individual in enabling or hampering organizational learning. Six theories drawn from multiple fields are reviewed to identify both opportunities and barriers to fostering change at the level of the individual. These include orientation to learning, motivation to act, and capacity for change. However, the authors argue that organizations ought to be regarded as complex social systems. Change strategies intended to foster a learning organization are more likely to succeed if they embrace the idea that designing change for complex social systems requires a special approach: design thinking. This is characterized by iterative prototyping, experimenting, trialing, and piloting changes to work processes, structures, and tasks.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,007
Communication savante0,0110,009
Science ouverte0,0010,006
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,010

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in knowledge acquisition, transfer, and management book series/Advances in knowledge acquisition, transfer and management book seriesMême sujetOrganizational Learning and LeadershipTravaux en français237 207