張伊婷;蔡家安;吳岳穎;黃妍恆;陳勇叡;
頁: 361-394
日期: 2021/10
卷期: 28(4)
關鍵字: 大數據;任務科技適配;人員科技適配;資料敘事;任務績效;
Keywords: Big data analytics;task-technology fit;people-technology fit;data-driven storytelling;task performance;
摘要: 使用大數據提升決策品質與績效，常苦於對大數據能力的認知不足以及數據分析師缺乏專業能力，導致大數據無法在給定的任務之下發揮最大效用。本研究根據任務科技適配理論，從數據分析師觀點提出不同的適配—「任務科技適配」與「人員科技適配」—解釋影響大數據之任務績效...

引用     導入Endnote

陳建志;陳鴻基;曹承礎;
頁: 41-65
日期: 2006/10
卷期: 13(專)
關鍵字: 知識管理系統;知識工作者任務;任務科技適配理論;
Keywords: Knowledge Management;Knowledge Management System;Task and Technology Fit;Empirical Study;
摘要: 知識管理系統(KMS: Knowledge Management Systems)泛指一切可以支援知識管理活動的各類資訊系統(Davenprot 1999; Alavi & Leidner 2001)。為了提升組織的競爭力，企業紛紛建置知識管理系統以協助知識工作者執行任務。然而，當企業錯誤引進不適合任務所需的KMS，將難以產...

引用     導入Endnote

李慶章;董信煌;
頁: 217-237
日期: 2006/07
卷期: 13(3)
關鍵字: 拔靴法;支援向量迴歸;無母數迴歸;任務科技適配;行動商務;
Keywords: Bootstrap;Support vector regression;Nonparametric regression;Task-technology fit;Mobile commerce;
摘要: 本研究提出一個創新的支援向量迴歸方法來探討應用任務科技適配理論於資訊系統採用之問題。支援向量迴歸方法可以在給定的資料中產生一個簡潔的迴歸模式，以避免傳統機器學習法中的資料過度學習問題。根基於統計學習、數學規劃及氾函分析理論，支援向量迴歸方法較傳統的多...

引用     導入Endnote