MétaCan
Menu
Retour à la cohorte
Enregistrement W4403097705 · doi:10.5206/cjils-rcsib.v47i2.17444

Information Management: learning things outside textbooks

2024· article· en· W4403097705 sur OpenAlexvenueno aff
Teresa Silveira

Notice bibliographique

RevueCanadian Journal of Information and Library Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceKnowledge managementData science

Résumé

récupéré en direct d'OpenAlex

The world changed. More than ever information gains a strategic role in professional contexts. Organizations are told that they will not survive in the modern era without a strategy for managing and leveraging value from information (extended to knowledge). This means that organizations must change the way information is managed, from a “housekeeping” style to a transversal mode, similar to how Human Resources, Finance, or Information Technology departments. This paper recommends some actions to make information/knowledge management an asset to be measured and with an impact on career development. It is a qualitative analysis resulting from an exploratory literature review and its comparison with working experience and observation in the last 15 years as an information manager. Via this combination, it was possible to approach a different type of intellectual capital investment, resulting in the proposal of creating an information/knowledge ladder strategy followed by a new performance evaluation indicator resulting from the information/knowledge management investments. The key conclusion shows that although information/knowledge management is a key asset for success, it’s necessary to reinforce research and implementation studies in strategies that measure the returns on information/knowledge investments. It’s also fundamental to the role of the academic side, extra engaging with organizations but also investing more in studies and creating new measurement techniques and indicators to be explored by future information professionals, particularly information managers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesCommunication savante
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 enseignants0,963
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,276
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,216
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Information and Library ScienceMême sujetLibrary Science and Information LiteracyTravaux en français237 207