MétaCan
Menu
Retour à la cohorte
Enregistrement W4307947526 · doi:10.3390/computers11110153

A Systemic Mapping Study of Business Intelligence Maturity Models for Higher Education Institutions

2022· article· en· W4307947526 sur OpenAlexaff
Christopher Lee Stewart, M. Ali Akber Dewan

Notice bibliographique

RevueComputers · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensAthabasca UniversityHolland College
Organismes subventionnairesnon disponible
Mots-clésMaturity (psychological)Capability Maturity ModelHigher educationService Integration Maturity ModelSnowball samplingContext (archaeology)Knowledge managementBusiness intelligenceBusinessComputer sciencePolitical scienceMathematicsGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

Higher education institutions (HEIs) are investing in business intelligence (BI) to meet the increasing demand for information stemming from their operations. Information technology (IT) managers in higher education may turn to BI maturity models to evaluate the current state of HEIs’ BI operation capabilities and evaluate the readiness for future improvements. However, generic BI maturity models do not have domain-specific attributes that ensure a high degree of compatibility with HEIs. This study’s objective is to survey maturity models that could be used in HEIs and identify those used for BI to perform an analysis of their qualities and identify future avenues for research into HEI-specific BI maturity models. A systemic mapping was undertaken via both a keyword and snowball search of five indexing services, 6037 articles were processed using inclusion and exclusion criteria resulting in the identification of forty-one academic works regarding maturity model uses which were mapped to ten categories. The mapping reveals an increasing number of publications featuring maturity models for HEI, particularly since 2018, focused on e-learning and ICT. A single instance of a BI maturity model for HEI emerged in 2022 within the European HEI context. The HE-BIA MM has more dimensions than most other models identified, yet only a single co-occurrence of dimensions was identified in name only. We conclude that BI maturity models for HEI are emerging as a field of research with future directions for research including exploring co-occurrence of dimensions with existing maturity models, performing case studies, and validation of HE-BIA MM outside the European HEI context.

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)0,018
score de la tête « metaresearch » (Gemma)0,045
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0250,034
Études des sciences et des technologies0,0010,001
Communication savante0,0070,009
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,173
Tête enseignante GPT0,314
Écart entre enseignants0,141 · 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
GenreSynthèse

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

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputersMême sujetBig Data and Business IntelligenceTravaux en français237 207