Risk management in public sector research: approach and lessons learned at a national research organization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As the Canadian federal government's main research body and a public sector agency, the National Research Council (NRC) must manage numerous strategic as well as operational risks, including those at the project, program and portfolio levels. Such risks might arise from political and other stakeholder interests, intellectual property ownership and policy, funding structures, public perceptions of science and technology, occupational health and safety, management of highly qualified personnel, availability of receptor capacity for research being undertaken, and unknown markets for very new research areas, to name a few. Varying risk management practices have existed across NRC institutes and programs in the past as a result of the relative autonomy afforded to these groups. In seeking a more systematic approach, driven by both external and internal interests, NRC researched best practices, models and frameworks for risk management. NRC needed an appropriate model and approach for managing risk that could be applied throughout different levels and within the various arenas of its activities. The approach selected is based on the concept of enterprise risk management, allowing NRC to look not only at specific areas of risk but the larger picture – effectively assessing, controlling, exploiting and monitoring risks from all sources that might threaten the achievement of its goals. At the same time, such an approach also ensures that potential opportunities that could facilitate achievement of its goals are not missed. This paper shares some of NRC's findings of its research (including best practices), describes its current framework and approach, as well as some of its challenges.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle