The impact of national culture on the meaning of information system success
Bibliographic record
Abstract
Notre recherche s'inscrit dans le cadre des recherches multiculturelles en systemes d'information. L'objet de la recherche est le concept du succes des systemes d'information (SI) ou la variable dependante des recherches en systemes d'information. Notre objectif est de decouvrir et de definir le concept du succes des systemes d'information dans des cultures nationales differentes. En se basant sur l'hypothese que la culture nationale devrait avoir un impact sur la definition du succes des systemes d'information, une multinationale qui decide d'implanter un systeme standard dans plusieurs cultures nationales, fait face a deux problemes complexes: le probleme de reussir l'implantation du systeme dans ces cultures et celui de realiser et de recolter le succes a long terme de ces systemes. Le succes a long terme du systeme est influence par la signification du succes telle que percue par les futurs utilisateurs et les suppositions internes du succes du systeme. La revue de litterature sur le succes des systemes d'information propose que ce dernier peut etre defini et mesure selon trois niveaux: le niveau systeme, le niveau de l'individu qui utilise le systeme et le niveau de l'organisation dans son ensemble. En prenant le modele de Trompennars et Hampden-Turners (1998) qui conceptualise les trois niveaux du concept de la culture (les objets, les valeurs, les normes, et les suppositions de base), et en prenant les trois niveaux de definition du concept du succes des systemes d'information, nous avons developpe un modele theorique afin de nous guider dans notre processus de collecte et d'analyse des donnees. Dans ce modele, nous avancons que pour une organisation multinationale qui decide de standardiser un systeme dans des cultures nationales differentes, la definition du succes des systemes d'information telle qu'exprimee par des individus de chaque culture nationale et les “built-in success assumptions” du systeme a standardiser, peuvent etre non alignes. Cet affrontement entre ces deux systemes de signification et de definition aurait des impacts tres serieux sur, a la fois, l'implantation du systeme et son succes a long terme. Nous avons developpe des modeles de succes des systemes d'information dans des cultures differentes afin d'aider la multinationale a reussir ces deux defis majeurs. (Abstract shortened by UMI.)
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.016 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".