MétaCan
Menu
Retour à la cohorte
Enregistrement W1986323671 · doi:10.1002/j.2334-5837.2003.tb02598.x

2.1.1 Using a Knowledge Management Tool to Improve U.S. EPA's Enterprise Architecture

2003· article· en· W1986323671 sur OpenAlexaboutno aff
Ethan McMahon, John J. Sullivan

Notice bibliographique

RevueINCOSE International Symposium · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesSRA International
Mots-clésEnterprise architectureKnowledge managementProcess managementMetisComputer scienceBusiness processBusiness process managementAgency (philosophy)Business architectureArchitectureSoftware engineeringBusinessEngineeringDatabaseOperations managementWork in process

Résumé

récupéré en direct d'OpenAlex

Abstract Enterprise architecture (EA) is a process for ensuring that an organization's information resources are aligned with its goals and business. EA can be used for several purposes, such as improving business processes that are performed across an organization and integrating information management resources. For EA to achieve its potential, it is important to use an EA tool for housing and analyzing the organization's information. The U.S. Environmental Protection Agency (EPA) is using such a knowledge management tool, called the Architecture Repository and Tool (ART), that is based on Metis software from Computas. ART can be used to identify which organizations perform the same business processes and to highlight opportunities for storing commonly used data. This paper illustrates how ART is a knowledge management tool that can reveal an organization's gaps, weaknesses, and opportunities for improvement.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,029
Tête enseignante GPT0,295
Écart entre enseignants0,266 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetBig Data and Business IntelligenceTravaux en français237 207