The application of a selection of decision-making techniques by employees in a transport work environment in conjunction with their perceived decision-making success and practice
Notice bibliographique
Résumé
A lack of optimum selection and application of decision-making techniques, in conjunction with suitable decision-making practice and perception of employees in a transport work environment demands attention to improve overall performance. Although multiple decision-making techniques exist, five prevalent techniques were considered in this article, namely the Kepner-Tregoe, Delphi, stepladder, nominal group and brainstorming techniques. A descriptive research design was followed, using an empirical survey which was conducted among 210 workers employed in a transport work environment and studying in the field of transport management. The purpose was to establish to what extent the five decision-making techniques are used in their work environment and furthermore how the decision-making practice of using gut-feel and/or a step-by-step decision-making process and their perception of their decision-making success relate. The research confirmed that the use of decision-making techniques is correlated to perceived decision-making success. Furthermore, the Kepner-Tregoe, stepladder, Delphi and brainstorming techniques are associated with a step-by-step decision-making process. No significant association was confirmed between the use of gut-feel and decision-making techniques. Brainstorming was found to be the technique most frequently used by transport employees; however, it has limitations as a comprehensive decision-making technique. Employees working in a transport work environment need training in order to select and use the four comprehensive decision-making techniques.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».