Seeking Greater Practitioner and Managerial Use of DEA for Benchmarking
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.
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 | 0,224 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,021 | 0,022 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».