Enterprise Risk Management in State Departments of Transportation
Notice bibliographique
Résumé
In an effort to increase performance, transparency, resource allocation, and decision-making, United States (U.S.) state departments of transportation (DOTs) are developing and implementing formal enterprise risk management (ERM) programs. To explore ERM performance and help agencies advance their ERM programs, this research investigates and documents the following aspects of DOTs with formal ERM programs: strategic goals and corresponding risks; risk measures; risk controls; and processes in place to identify risks, establish measures, and develop controls. This thesis presents the results of a multi-method research approach that included surveys, interviews, and case study investigations. Surveys were administered to all 52 DOTs, with responses received from 44/52 (85%). Organization-wide ERM implementation was identified at nine agencies and follow-up interviews were conducted with eight of the nine DOTs that indicated formal ERM programs. Additional case study investigations were conducted on six of these interviewed DOTs. This paper presents the synthesized results of four of the six case studies that had documented strategic risks managed through an ERM program. Principal findings include the strategic risk categories and specific strategic risks managed by formal ERM programs, the assessments of these risks, and controls in place to assist the DOTs' efforts to achieve their mission and strategic goals. Accompanying these findings are the corresponding processes used in the different stages of the investigated risk identification, assessment, and management strategies. The results are intended to serve as a reference tool for DOT executives and senior management as they develop and implement ERM at their own agencies and also to advance the state of knowledge in the transportation research community.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».