MétaCan
Menu
Retour à la cohorte
Enregistrement W402779947

Network Exploitation Capability: Mapping the Electronic Maturity of Hospitality Enterprises

2011· article· en· W402779947 sur OpenAlexfundno aff
Gabriele Piccoli, Bill Carroll, Larry Hall

Notice bibliographique

RevueCornell Peter and Stephanie Nolan School of Hotel Administration (Cornell University) · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésMindsetHospitalityRevenueMaturity (psychological)BusinessMarketingKnowledge managementIndustrial organizationProcess managementComputer scienceTourism
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although many hospitality firms are making effective use of their information technology resources, the value and effect of those operations could be magnified by a strategic and integrated approach to IT, called Network Exploitation Capacity (NEC). The NEC model maps an organization’s advance toward full integration of network capacity that culminates with a self-renewing or learning strategy for the firm in three areas: demand generation, multi-channel distribution management, and revenue optimization. Unfortunately, most hospitality firms are at the first step of the NEC maturity scale, “Basic,” in which one or more staff members handle some aspects of IT (often with good result), but other aspects are neglected and, in any event, the efforts are not tied together in an effective strategy. Some firms are at Stage 2 of the model, “Systematic,” which expresses an approach to network exploitation that has been codified as part of the firm’s operating system, and the firm is functioning in all three phases of network exploitation. Even if single individuals are responsible for these functions, the firm holds the knowledge of how these areas operate, rather than have the knowledge reside solely in the individual. Advancing to Stage 3, the “Integrated” Stage, a few firms are systematically fostering synergy in the three areas of network exploitation and consciously coordinate operational behavior in a consistent fashion. While no firms have reached Stage 4, the “Analytical” Stage, this stage is characterized by a disciplined analytical mindset that aims at effective operations. Firms achieving Stage 5, “Optimizing,” would add the critical element of an institutionalized process of continuous learning, re-training, and overall optimization of the network exploitation capacity.

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)0,003
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,011
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,051
Tête enseignante GPT0,174
Écart entre enseignants0,123 · 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'étudeSans objet
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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCornell Peter and Stephanie Nolan School of Hotel Administration (Cornell University)Même sujetDigital Platforms and EconomicsTravaux en français237 207