MétaCan
Menu
Retour à la cohorte
Enregistrement W4409605481 · doi:10.62477/jkmp.v25i2.515

A Guideline Enabling Knowledge Managers to Communicate Better with Business Managers

2025· article· en· W4409605481 sur OpenAlexvenueno aff
Pavel Kraus, Manfred Bornemann

Notice bibliographique

RevueJournal of Knowledge Management and Practice · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Process Modeling and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGuidelineKnowledge managementBusinessProcess managementComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Aligning Knowledge Management (KM) with overarching business strategies is considered as important for organizational success and sustainability. But this crucial element is often missing in the implementation and operation of KM. This paper explores the concept of "business alignment" within the context of KM, elaborating its critical role in enhancing collaboration, minimizing errors, and supporting optimal outcomes across the enterprise. We suggest a comprehensive definition of KM alignment, where KM activities are strategically integrated with business objectives, ensuring visible and measurable benefits to employees and executives. The research addresses key questions such as what constitutes an organization and how KM can facilitate its survival and growth. An organization is not merely a standalone entity but a collective endeavor that thrives on managing internal and external relationships. We argue that the effective alignment of KM with business strategies ensures that these relationships are optimized, thereby enhancing organizational resilience and adaptability. This holistic perspective visualizes the interconnected nature of businesses and highlights the essential role of KM. Our approach systematically examines business relationships and their alignment with KM practices. We analyze one case study from the construction industry, illustrating how strategic KM initiatives contribute to their sustained success. Additionally, we propose a set of Key Performance Indicators (KPIs) derived from real-world scenarios, linking them to specific business needs and challenges. These KPIs serve as a roadmap for C-level managers, guiding them in integrating KM into their strategic frameworks. The findings underscore the value of KM in mitigating risks associated with poor relationship management. We provide a process and actionable insights for business leaders on leveraging KM to foster innovation, streamline processes, and enhance overall performance. The paper concludes with practical recommendations for implementing KM solutions tailored to different organizational maturity levels and industry contexts.

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)0,022
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,053
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0040,003
Communication savante0,0090,011
Science ouverte0,0040,005
Intégrité de la recherche0,0120,008
Charge utile insuffisante (le modèle a refusé de juger)0,0180,026

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 Opus0,022
Tête enseignante GPT0,294
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Knowledge Management and PracticeMême sujetBusiness Process Modeling and AnalysisTravaux en français237 207