MétaCan
Menu
Retour à la cohorte
Enregistrement W4391734241 · doi:10.53935/jomw.v2021i1.135

Integrated Knowledge Management, Organisational Learning and Innovation Model for the Construction Industry

2022· article· en· W4391734241 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Management World · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensGeorge Brown College
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementBusinessLearning organizationConstruction industryProcess managementEngineering managementEngineeringComputer scienceConstruction engineering

Résumé

récupéré en direct d'OpenAlex

Knowledge Management (KM) is an important part of the construction industry. Knowledge management principles are a set of principles that have been put forward by various researchers to elicit their conceptualisation of knowledge management. However, most of the existing knowledge management models do not take into account the social and learning processes within the organisation. This paper proposes an integrated knowledge management, organisational learning and innovation model that, if not completely, but still provides a fair deal of insight into the organisational processes when knowledge management is implemented. The model illustrates how knowledge management initiatives successfully set the organisation on the path of learning and success by bridging a gap between the scientific and social paradigms, and ensure the consistent flow of knowledge. This model is also an attempt to illustrate the current state of the management of innovation in the industry and depicts how construction industry could benefit from the knowledge management in this time. The main focus is made on how appropriate organizational learning and innovation can contribute to improving, developing and improving professional expertise in the construction sector.

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.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil0,792

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,106
Tête enseignante GPT0,369
Écart entre enseignants0,263 · 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