MétaCan
Menu
Retour à la cohorte
Enregistrement W4322624289 · doi:10.1109/cymaen57228.2023.10051044

Organizational Culture Analysis in the Implementation of Knowledge Management in Government Research Agency

2023· article· en· W4322624289 sur OpenAlexaff
Dian Isnaeni Nurul Afra, Insan Ramadhan, Dewi Suci Rafianti, Andri Puji Prasetiyo, Ali Reza Syariati, Lindri Setyaningrum, Agus Sutejo, Triyono Susanto

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésOrganizational cultureKnowledge managementBusinessOrganizational learningAgency (philosophy)Government (linguistics)Transformational leadershipTeamworkKnowledge sharingPublic relationsPolitical scienceComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

In knowledge management implementation, organizational culture is recognized as a driving force and defining factor of the successful knowledge management application. The aim of this study is to identify the condition of organizational culture in a government research agency using Organizational Culture Assessment Instrument (OCAI) and propose strategies that can be taken to attain the expected organizational culture which encourages the implementation of knowledge management. The result shows that the current state of the organization was identified as Market Culture which focuses on targets, deadlines, and goals. On the other hand, the expected culture desired to be Clan Culture in which more cares about teamwork, participation, and empowerment. Several strategies proposed to change the organizational culture are believed to be great for knowledge management processes and activities. To improve knowledge management implementation, the organization must be able to focus on empowering employees, stimulate transformational leadership skills, provide effective rewards, and enhance employees’ participation and engagement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,009
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,079
Tête enseignante GPT0,438
Écart entre enseignants0,359 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetKnowledge Management and SharingTravaux en français237 207