Learning dynamics and social interaction among knowledge workers in the electronics industry: evidence from Canada and Mexico
Notice bibliographique
Résumé
This thesis explores and integrates the social, economic and cognitive factors of knowledge transfer using a theory that is grounded in the nature and dynamics of interactions among knowledge workers. At the individual level, learning must be accessible and collaborative in order to facilitate the production and transfer of new knowledge. At the macro level, organizations are required to provide access to information and knowledge sharing, and to be open to collaboration across their own boundaries. An important theoretical contribution of this study is the recognition of the interrelationships among factors that expand learning capabilities and perceptions of professional and personal development in the context of work. The model developed in this thesis represents an attempt to test an integrated theory of learning dynamics and social capital. Results suggest that social interaction in the workplace plays a key role in enhancing learning by creating opportunities for a wider range of activities through which knowledge is shared and implicit implications for personal development are expected. A web-based survey of employees in selected firms in the electronics sector in Canada and Mexico is used to test the model of learning and social interaction. There are two reasons for selecting the electronics industry: continuous learning has been a significant feature of this industry in which rapid technological changes are demanding constant skill upgrades and knowledge transfer, and the role of information technology in learning dynamics, and more specifically in social interaction, is broadly recognized in technology-driven firms as a factor for success, but how access to information can affect personal quality of life is unclear.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».