A note to ‘Enterprise risk management: a DEA VaR approach in vendor selection’: a response to Wei and Wang and model extension
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
Abstract Enterprise risk management (ERM) has become an important topic in today's more complex, interrelated global business environment, replete with threats from natural, political, economic and technical sources. Wu and Olson (Citation2010) [Wu, D.S. and Olson, D., 2010. Enterprise risk management: a DEA VaR approach in vendor selection. International Journal of Production Research 48 (16), 4919–4932] present a state-of-the-art overview of Enterprise risk management and discuss the possibility of constructing a value at risk measure at the data envelopment analysis (DEA) framework. Wei and Wang [Wei, G.W. and Wang, J.M., 2011. Value-at-risk and data envelopment analysis: comments on Wu and Olson (Citation2010). International Journal of Production Research, 49 (23), 7189–7193] contend errors in the article. Wei and Wang suggest a model based on Li [Li, S.X., 1998. Stochastic models and variable returns to scales in data envelopment analysis. European Journal of Operational Research, 104, 532–548]. We show that the suggested model in Wei and Wang (Citation2011) does not solve the problem completely. We provide alternative approaches to conduct performance evaluation with good discriminating power. Keywords: risk managementperformance analysis Notes Also at School of Science and Engineering, Reykjavik University, Menntavegur 1, Nauthólsvík, 101 Reykjavik, Iceland. Additional informationNotes on contributorsDesheng Dash Wu Also at School of Science and Engineering, Reykjavik University, Menntavegur 1, Nauthólsvík, 101 Reykjavik, Iceland.
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 | 0,021 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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