MétaCan
Menu
Retour à la cohorte
Enregistrement W4387343575 · doi:10.1108/itp-12-2022-0944

Knowledge management as an asset for operational processes in marginal healthcare centers

2023· article· en· W4387343575 sur OpenAlexaff
Jean Robert Kala Kamdjoug, Serge-Lopez Wamba-Taguimdje, Martin Tchoukoua

Notice bibliographique

RevueInformation Technology and People · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHealth careKnowledge managementKnowledge sharingBusinessLeverage (statistics)Structural equation modelingAsset (computer security)Process managementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Purpose This research paper aims to explore the added value of knowledge management (KM) and its antecedents for innovation and organizational performance (OP) in marginal healthcare organizations. Design/methodology/approach Using insights from the resource-based view and knowledge-based theory of the firm, the model explains the effects of technology capabilities (TC) and organizational culture (OC) on the KM process, process innovation (PIN), administrative innovation (AIN) and OP. The authors used partial least squares structural equation modeling (PLS-SEM) and fuzzy-set qualitative comparative analysis (fsQCA) to analyze data collected from 168 healthcare practitioners in Cameroon using a survey. Findings The authors reveal that TC and OC positively impact some KM components. Knowledge sharing (KS), knowledge acquisition (KA) and responsiveness to knowledge (RK) influence PIN, while only PIN and KA influence OP. FsQCA provided several configurations that lead to high OP within healthcare centers. As a result, the results are adaptable to any healthcare center that wishes to set up one or more KM processes. Research limitations/implications Given that the results will help the health workforce make concerted decisions about medical care, the authors contribute significantly to the definition and optimization of KM in healthcare by implementing various processes and policies to ensure the continued existence of high-quality and outstanding healthcare systems. The KM propositions will enable healthcare centers to: (1) improve the quality of patient care through collegiality in medical practice; (2) optimize processes in the patient care chain; and (3) leverage knowledge gained though knowledge sharing among the medical team. The propositions open up avenues for future research in addition to providing practical implications for healthcare center practitioners. Originality/value This study sheds new empirical light on the relationships between KM antecedents and processes, innovation and OP in healthcare centers. This research is one of the few to examine the relationship between TC, OC, KM processes, innovation and OP in developing countries. This paper aims to fill this gap and inform future research concerning KM in the healthcare sector. Further, this study goes beyond testing the PLS-SEM approach's hypotheses by applying fsQCA to provide practical and comprehensive knowledge on how to increase the efficiency of a healthcare center through KM.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,276
Écart entre enseignants0,260 · 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'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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation Technology and PeopleMême sujetInnovation and Knowledge ManagementTravaux en français237 207