where E(n) is the number of edges a

where E(n) is the number of edges among n’s neighbors, and k(n) is the number of immediate neighbors that node n has. We found that the average clustering coefficient is approximately 0.052. For comparison, this value is significantly higher than that of a randomly generated network with similar statistics (C = 0.00016), and even than that observed for an email network (C = 0.0344).4 However, it is lower than the coefficients observed for networks of professionals who collaborate routinely, such as biomedical researchers, movie actors, and company directors.5 Together, these measures suggest that most of the Jam contributors didn’t focus continuously on a given topic or were frequent contributors to a given thread. Companies increasingly draw on their employees and customers for input on improvement and innovation. IBM’s Jam was one of the earlier attempts to harvest employee knowledge, and it has led to promising new strategic directions. However, our analyses suggest that focused discussions
emerge infrequently and only later in the process. Thus, there is a clear need for improving the Jam process itself. Our findings have also motivated strategies for improving learning from user-generated content at IBM. Later generations of the Jam have included new design features that address the earlier problems. For example, to help contributors identify threads of interest early on, a recommender-like system directs a participant to a thread that matches her expertise. In addition, a revised incentive structure explicitly rewards participants for their time commitment to encourage participants to engage in focused, extended discussions. Furthermore, on the basis of early Jam threads, potentially valuable contributors are automatically identified as domain experts and receive invitation to participate in later stages of the Jam. This identification is done by matching between the keywords of thread clusters and employee descriptions in the corporate directory. The success of the Jam was followed by several initiatives to broaden the Jam effort at IBM. In particular, Banter is a system that offers insights about the opinions of customers and users on IBM products or initiatives, as expressed in online blogs. In contrast to the Jam discussed in this article, Banter’s content analysis focuses on the sentiments expressed by contributors. Banter also employs topic detection and tracking methodology similar to that discussed in this article, and it computes hubs and authorities within contributor networks to help identify authoritative contributions. SmallBlue is another recent internal social-networking platform that aims to answer questions such as “Who knows what?” “Who knows
IS

Kết quả (Việt) 1:

nơi E(n) là số cạnh giữa của hàng xóm, và k(n) là số ngay lập tức hàng xóm rằng n node có. Chúng tôi thấy rằng trung bình kết cụm hệ số là xấp xỉ 0.052. Để so sánh, giá trị này là cao hơn đáng kể so với một mạng lưới được tạo ngẫu nhiên với số liệu thống kê tương tự (C = 0.00016), và thậm chí hơn mà quan sát cho một mạng lưới thư điện tử (C = 0.0344).4 Tuy nhiên, nó là thấp hơn hệ số quan sát cho các mạng của những người cộng tác thường xuyên chuyên nghiệp, chẳng hạn như các nhà nghiên cứu y sinh học, diễn viên phim và công ty directors.5 cùng nhau, những biện pháp này cho thấy rằng hầu hết những người đóng góp mứt không tập trung liên tục vào một chủ đề nhất định hoặc đã là những người đóng góp thường xuyên đến một chủ đề nhất định. Công ty ngày càng rút ra trên nhân viên và khách hàng cho các đầu vào về cải tiến và đổi mới sáng tạo của họ. Ách tắc của IBM là một trong những nỗ lực trước đó để thu hoạch nhân viên kiến thức, và nó đã dẫn đến triển vọng hướng chiến lược mới. Tuy nhiên, chúng tôi phân tích cho thấy rằng tập trung vào các cuộc thảo luận xuất hiện thường xuyên và chỉ sau đó trong quá trình. Vì vậy, có là một rõ ràng cần để cải thiện các ách tắc xử lý riêng của mình. Những phát hiện của chúng tôi cũng có động lực chiến lược cho việc cải thiện học hỏi từ những người dùng tạo ra nội dung ở IBM. Các thế hệ sau này của các ách tắc đã bao gồm các tính năng thiết kế mới giải quyết các vấn đề trước đó. Ví dụ, để giúp xác định chủ đề quan tâm những người đóng góp đầu vào, một hệ thống như các chỉ đạo một người tham gia vào một chủ đề phù hợp với chuyên môn của mình. Ngoài ra, một cơ cấu khuyến khích sửa đổi một cách rõ ràng thưởng cho người tham gia cho cam kết thời gian của mình để khuyến khích người tham gia để tham gia tập trung, mở rộng các cuộc thảo luận. Hơn nữa, trên cơ sở đầu giơ chủ đề, những người đóng góp có giá trị có khả năng tự động được xác định là các chuyên gia tên miền và nhận được lời mời tham gia vào các giai đoạn sau này của giơ Nhận dạng này được thực hiện bằng cách kết hợp giữa từ khóa chủ đề cụm và nhân viên mô tả trong các thư mục công ty. Sự thành công của the Jam được tiếp nối bởi một số sáng kiến để mở rộng các nỗ lực giơ tại IBM. Đặc biệt, Banter là một hệ thống cung cấp hiểu biết về ý kiến của khách hàng và người dùng trên các sản phẩm của IBM hay các sáng kiến, như thể hiện trong blog trực tuyến. Trái ngược với các ách tắc thảo luận trong bài viết này, của Banter nội dung phân tích tập trung vào những tình cảm thể hiện bởi những người đóng góp. Banter cũng sử dụng các chủ đề phát hiện và theo dõi các phương pháp tương tự như đã thảo luận trong bài viết này, và nó tính trung tâm và các tổ chức trong mạng lưới cộng tác viên để giúp xác định những đóng góp độc quyền. SmallBlue là khác tại nội bộ mạng xã hội nền tảng nhằm mục đích trả lời câu hỏi như "Ai biết những gì?" "Ai biết LÀ

Kết quả (Việt) 2:

trong đó E (n) là số cạnh của các nước láng giềng của n và k (n) là số các láng giềng mà nút n có. Chúng tôi thấy rằng hệ số phân nhóm trung bình khoảng 0,052. Để so sánh, giá trị này là cao hơn so với một mạng lưới ngẫu nhiên tạo ra với thống kê tương tự (C = 0,00016), và thậm chí còn hơn thế quan sát cho một mạng lưới email đáng kể (C = 0,0344) .4 Tuy nhiên, nó là thấp hơn so với các hệ số quan sát cho mạng lưới các chuyên gia những người cộng tác thường xuyên, chẳng hạn như các nhà nghiên cứu y sinh học, diễn viên phim, và công ty directors.5 Cùng với nhau, các biện pháp này cho thấy rằng hầu hết những người đóng góp Jam đã không tập trung liên tục về một chủ đề nhất định hoặc là người đóng góp thường xuyên cho một chủ đề nhất định. Các công ty ngày càng thu hút vào nhân viên và khách hàng của họ cho đầu vào của cải tiến và đổi mới. IBM Jam là một trong những nỗ lực trước đây để kiến thức của nhân viên thu hoạch, và nó đã dẫn đến định hướng chiến lược mới đầy hứa hẹn. Tuy nhiên, phân tích của chúng tôi cho thấy rằng các cuộc thảo luận tập trung
xuất hiện không thường xuyên và chỉ sau trong tiến trình. Như vậy, có một nhu cầu rõ ràng để cải thiện quá trình Jam chính nó. Những phát hiện của chúng tôi cũng đã thúc đẩy các chiến lược để cải thiện việc học từ nội dung người dùng tạo tại IBM. Các thế hệ sau này của Jam đã bao gồm các tính năng thiết kế mới nhằm giải quyết các vấn đề trước đó. Ví dụ, để giúp đóng góp xác định chủ đề của lãi suất đầu vào, một hệ thống recommender giống như điều khiển một người tham gia vào chuỗi phù hợp với chuyên môn của mình. Ngoài ra, một cơ chế khuyến khích sửa đổi một cách rõ ràng thưởng người tham gia cam kết thời gian của họ để khuyến khích học viên tham gia tập trung, thảo luận mở rộng. Hơn nữa, trên cơ sở đề Jam sớm, khả năng đóng góp có giá trị sẽ được tự động xác định là chuyên gia tên miền và nhận được lời mời tham gia trong giai đoạn sau của Jam. Xác định này được thực hiện bằng cách kết hợp giữa các từ khóa của cụm chủ đề và mô tả của nhân viên trong thư mục của công ty. Sự thành công của Jam đã được theo sau bởi một số sáng kiến để mở rộng các nỗ lực Jam tại IBM. Đặc biệt, những câu nói đùa là một hệ thống cung cấp những hiểu biết về những ý kiến của khách hàng và người sử dụng trên các sản phẩm của IBM hoặc các sáng kiến, như thể hiện trong blog trực tuyến. Ngược lại với Jam đã thảo luận trong bài viết này, phân tích nội dung nói đùa của tập trung vào những tình cảm được thể hiện bởi các thành viên. Nói đùa cũng sử dụng phát hiện chủ đề và phương pháp theo dõi tương tự như đã thảo luận trong bài viết này, và nó tính trung tâm và các cơ quan chức năng trong mạng đóng góp để giúp xác định những đóng góp có thẩm quyền. SmallBlue là một nền tảng mạng xã hội nội bộ gần đây nhằm mục đích để trả lời những câu hỏi như "Ai biết được những gì?" "Ai biết
LÀ