MétaCan
Menu
Retour à la cohorte
Enregistrement W3207003881 · doi:10.34190/ejkm.19.2.2411

Digital Transformation Designed to Succeed: Fit the Change into the Business Strategy and People

2021· article· en· W3207003881 sur OpenAlexaffabout
Daniela Robu, J. Lazar

Notice bibliographique

RevueElectronic Journal of Knowledge Management · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésDigital transformationStakeholderKnowledge managementStakeholder engagementWorkforceBusinessChange management (ITSM)OrchestrationProcess managementBusiness transformationBusiness modelComputer scienceMarketingPublic relationsElectronic businessWorld Wide WebPolitical scienceBusiness relationship management

Résumé

récupéré en direct d'OpenAlex

Digital transformation has become a necessity in our volatile, uncertain, complex and ambiguous (VUCA) world. In their 2019 report, APQC found that 75% of organizations are undergoing digital transformation. Successful digital transformation requires a strong foundation of people, process, technology and content. Selection of the right combination of strategies and deep stakeholder engagement is important in early phases of change when transformation initiatives inform leaders and users why change is needed. Top drivers for digital transformation have business (e.g., increased efficiency and productivity) and people (e.g., optimize user experience with knowledge discovery) facets. This paper illustrates an example of digital transformation in practice led by Knowledge Management, within Alberta Health Services (AHS). AHS is Canada’s first and largest province-wide, fully integrated health system with more than 102,700 employees. Employees need a platform for collaboration on projects, as well as documents and idea generation to meet business needs and enable them to become more efficient and effective in their daily jobs. The design, development, and implementation of a collaborative platform within this large organization required close orchestration of strategies, stakeholders’ commitments and engagement, represented by a continuum of stakeholders’ engagement formats, relationship and trust-building. Setting the stage for successful implementation and post implementation required a preview of technological and workforce trends to anticipate the future of work and worker. Fitting the change into overall business strategy, developing the knowledge of how change would affect the workers, and setting up a mechanism to inform leaders about adoption and user engagement were added as overarching strategies to better align with the line of sight in digital transformation. The platform was implemented with 23 business areas that expressed interest; it has demonstrated the potential to enable system transformation if implemented organization-wide. Business value was demonstrated with an ROI calculation on time savings.

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)0,020
score de la tête « metaresearch » (Gemma)0,023
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0190,045
Communication savante0,0380,035
Science ouverte0,0030,026
Intégrité de la recherche0,0130,015
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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

Citations27
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectronic Journal of Knowledge ManagementMême sujetDigital Transformation in IndustryTravaux en français237 207