Kennismanagement-capabilities van defensie: Leren van het programma SPEER
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.
Notice bibliographique
Résumé
Net als veel andere bedrijven heeft Defensie besloten om een Enterprise Resource Planning (ERP) systeem te implementeren. Het programma SPEER was verantwoordelijk voor de implementatie en belast met de transformatie van de bedrijfsvoering en sanering van de informatievoorziening. Nu SPEER is beeindigd, is het goed om te inventariseren wat de ervaringen van het programma betekenen voor de kennismanagement- capabilities van Defensie. Dit is het vermogen om kennis vanuit diverse bronnen, zoals databases, documenten en mensen, te ontsluiten en te delen zodat Defensie de primaire taken effectief uit kan voeren. We destilleren in dit artikel drie tactieken op het gebied van kennismanagement, die kunnen dienen als lessen voor toekomstige implementatietrajecten. Verder concluderen we dat om lopende uitdagingen te overwinnen een vierde tactiek nodig is, gebaseerd op co-creatie en topdown-gestuurd kennismanagement. Daarnaast pleiten we voor een rol voor de Chief Knowledge Officer, die barrières die de vrije stroom van kennis door de organisatie verhinderen zou moeten kunnen overwinnen.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle