Quality management in research and development
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore the nature of research topics and methodologies employed in existing studies of quality management (QM) in research and development (R&D). Design/methodology/approach Using a systematic review methodology (SRM), this paper analyzes the literature to identify major themes, shortcomings, and key management practices. Findings The literature review reveals that researchers have mainly explored only how to implement quality principles and practices in the R&D environment and made little effort to explore other aspects of QM. QM practices discussed in the literature consist of top management commitment, R&D workforce involvement, training, a process‐based approach, teamwork and cross‐functional teams, fact‐based measurement and feedback mechanisms, R&D client focus, and good communication with suppliers. The dominant methodology employed in existing studies is either a case study or conceptual approach. Originality/value The paper provides researchers with valuable information about how this research area has evolved, what main themes have been discussed in the literature, and what management practices are effective in pursuing quality efforts in R&D. This study also makes a contribution to the development of quality theory in R&D by pointing out significant gaps in the current literature and suggesting important areas for future study.
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 | 0,190 | 0,197 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,012 |
| Études des sciences et des technologies | 0,006 | 0,035 |
| Communication savante | 0,027 | 0,013 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».