MétaCan
Menu
Retour à la cohorte
Enregistrement W2021475161 · doi:10.1002/j.2158-1592.2009.tb00113.x

EFFECTIVE PERFORMANCE MANAGEMENT

2009· article· en· W2021475161 sur OpenAlexaff
Srikanth Srinivas

Notice bibliographique

RevueJournal of Business Logistics · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentAnalogyComputer scienceProsperityPoint (geometry)Plan (archaeology)Variation (astronomy)Consistency (knowledge bases)BusinessProcess managementRisk analysis (engineering)MarketingOperations managementEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The synergistic effect of holistically addressing all of the variables highlighted by this article will result in organizations consistently reaching their intended destination. Skipping steps creates the illusion of speed, but rarely results in progress. While effective performance management is incredibly difficult, it is also critical to an organization's survival and prosperity. Systematically addressing these critical success factors will ensure consistency and success: The starting point—A clear, objective understanding of current reality, as it is. The destination—A clear point of view on where you want the organization to be, taking the current realities into account. The path—A growth plan that will take you from the current reality to the intended destination. Variation—A culture and system that expects variation, distinguishes between noise and signal, ignores the noise, and acts on the signals. Agile Course Correction—A strong foundation that increases the number of course correction opportunities dramatically. Alignment—Ensuring that everyone works towards the same destination. The article uses a flight analogy to explain each of these critical variables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,031
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,003
Communication savante0,0130,005
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0310,011

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 Opus0,020
Tête enseignante GPT0,237
Écart entre enseignants0,216 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business LogisticsMême sujetQuality and Supply ManagementTravaux en français237 207