Seeking Greater Practitioner and Managerial Use of DEA for Benchmarking
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
It is interesting to observe how long it takes to move a powerful new technology from the academic to the practitioners’ world and to understand what constitutes acceptance and adoption by professionals. Data Envelopment Analysis (DEA) was introduced in 1978 but has been only sporadically used in real world applications by consultants and analysts. We believe its current limited use is far below its potential. The reasons for this and the possible paths to increase awareness and use of DEA are explored in this paper. Impediments arise from the research community’s underselling or poorly communicating the power and flexibility of DEA, possibly because that is not their key motivation in developing this methodology. At the same time, industry participants are typically slow to learn and accept a new technology, particularly if they feel there are risks associated with trying something new, if the new technology might be complex and challenge their ability to understand new concepts, or if the suggested results might seem threatening. Academic papers on DEA have effectively adapted to meet the requirements of editors of academic publications as evidenced by many thousands of published papers. We suggest that another distinct line of research could focus on adapting DEA to make it more accessible and responsive in addressing managerial problems. Ideally, this would generate enthusiasm for DEA in the management community that parallels its success in academia. We explore alternate strategies to increase awareness of DEA’s capabilities by practitioners and managers to extend or augment the success of applications of DEA in benefitting businesses, governments and the non-profit sectors. We invite responses to this paper by those who can offer additional, viable approaches that can augment the use of DEA in the commercial world.
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 | 0,011 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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