The Development of Agile Enterprise Architecture for Digital Transformation in Higher Education Institutions
Notice bibliographique
Résumé
The rapid evolution of digital technologies has led to significant transformations in various industries, including higher education. This study explores the role of Agile Enterprise Architecture (AEA) in supporting digital transformation initiatives within Higher Education Institutions (HEIs). AEA provides a flexible, adaptive, and iterative framework to manage the complex and dynamic nature of digital transformation. We conducted a qualitative study using a multiple case-study approach, investigating four HEIs that implemented AEA in their digital transformation initiatives. Data were collected through semi-structured interviews, document analysis, and participant observation. We employed thematic analysis to identify the key factors contributing to the successful implementation of AEA in these institutions. Our findings revealed that AEA plays a crucial role in facilitating digital transformation by providing a holistic, systematic, and adaptive framework. The AEA approach enables HEIs to effectively manage the complexities of digital transformation, enhance their agility, and respond to changing stakeholder needs. Key success factors include strong leadership, effective communication, a skilled workforce, and a culture of collaboration and continuous improvement. The study contributes to the understanding of AEA's role in promoting digital transformation in higher education and offers practical implications for HEIs looking to leverage digital technologies for improved performance and stakeholder satisfaction. Further research is needed to explore the generalizability of these findings to other contexts and industries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».