MétaCan
Menu
Retour à la cohorte
Enregistrement W1597315667 · doi:10.6000/2371-1647.2015.01.05

A Softcomputing Knowledge Areas Model

2015· article· en· W1597315667 sur OpenAlexvenueno aff
Labib Arafeh, Bashar Mufid

Notice bibliographique

RevueJournal of Advances in Management Sciences & Information Systems · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Computer scienceProject managerProject managementProcurementKnowledge managementQuality (philosophy)Process managementSystems engineeringEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

Recently, ten knowledge areas (KAs) of project management have been published by the PMBOK Guide. They comprise specific skills and experiences to ensure accomplishing project goals, and include management of: integration, scope, cost, time, quality, communications, procurement, risk, human resources and stakeholders. This research paper focuses on the ten required KAs for a project manager or a project to be successful. It aims at applying the Softcomputing modeling techniques to describe the relations between the 47 processes and the KAs. Such a model will enable users to predict the overall competencies of the project management. Thus, it provides an assessment tool to envisage, visualize and indicate the overall performance and competency of a project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,008
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,310
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advances in Management Sciences & Information SystemsMême sujetNeural Networks and ApplicationsTravaux en français237 207