Enterprise social media, meta-knowledge and knowledge management capability: an affordance perspective
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
Purpose Enterprise social media (ESM) application in knowledge management is critical for individuals and organizations. However, there is limited empirical evidence regarding how ESM enhances individual knowledge management capability or whether prior experience affects the value derived from ESM. This study aims to understand the intricate relationships among ESM affordance, employees’ meta-knowledge, prior usage experience and knowledge management capability. Design/methodology/approach This study constructs an integrated framework based on the technology affordance perspective and meta-knowledge theory. It was validated through a two-stage survey, yielding 322 usable responses. Findings The affordance of ESM has a positive influence on individual meta-knowledge, which, in turn, enhances knowledge management capabilities. Additionally, visibility has a direct impact on meta-knowledge. Furthermore, prior experience significantly moderates the relationship between ESM affordance and meta-knowledge. Research limitations/implications This study contributes to the literature by offering a strategy for conducting theory-driven research on how ESM enhances individuals’ knowledge management capability from an affordance perspective. This study develops a framework by integrating ESM affordance and meta-knowledge, and offers a nuanced perspective that considers who knows what and who knows whom as individual meta-knowledge concepts. Practical implications The impact of ESM affordance on knowledge management capability is expected to enhance individual knowledge management skills. Originality/value This study investigates the role of technology affordance, meta-knowledge and knowledge management capability in the context of ESM implementation.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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