MétaCan
Menu
Retour à la cohorte
Enregistrement W3191634878 · doi:10.1108/jkm-10-2020-0774

Individual knowledge measurement: organizational knowledge measured at the individual level

2021· article· en· W3191634878 sur OpenAlexaff
Herman A. van den Berg, Vaneet Kaur

Notice bibliographique

RevueJournal of Knowledge Management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésTacit knowledgeRespondentKnowledge managementInvestment (military)Body of knowledgeKnowledge sharingOrganizational learningKnowledge value chainOriginalityProduction (economics)BusinessPsychologyComputer scienceSocial psychologyCreativityEconomicsMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose Fundamental classifications of knowledge may be measurable as factors of production and can reveal evidence of specialization between adjacent stages of production even in the presence of shared substantive knowledge. This study of aims to distinguish between, and empirically measure, relative reliance on fundamental classifications of knowledge at the individual level. Design/methodology/approach In this study, investment managers were asked in an online survey to weigh their relative reliance on tacit, codified and encapsulated knowledge in executing different investment strategies for diverse client groups. Measures of relative reliance on each fundamental classification of knowledge were derived from weights assigned by each survey respondent in a series of six questions. Findings Survey respondents provided reliable measures of their relative reliance on tacit, codified and encapsulated knowledge. Reliance on these fundamental classifications of knowledge is shown to differ between investment managers, depending on the investment strategies being used and client groups served. These differences were exhibited notwithstanding all the respondents sharing common substantive knowledge. Research limitations/implications Measures of relative reliance on three classifications of knowledge were based on self-reported ratings rather than on objectively observed phenomena, making them subject to measurement error. Therefore, researchers are encouraged to observe relative reliance on tacit, codified and encapsulated knowledge in future studies. Originality/value The divergences in relative reliance on the fundamentally different knowledge-based factors of production were found in the presence of jointly held substantive knowledge, suggesting that fundamental classifications of knowledge are measurable and can provide evidence of specialization.

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)0,008
score de la tête « metaresearch » (Gemma)0,041
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,088
Tête enseignante GPT0,250
Écart entre enseignants0,162 · 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
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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Knowledge ManagementMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207