MétaCan
Menu
Retour à la cohorte
Enregistrement W2022080981 · doi:10.2118/98514-ms

Accelerating Technology Acceptance: Prioritization and Assessment of Technology

2005· article· en· W2022080981 sur OpenAlexaff
Stephan Jacobs, B.R. Dirks

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensEricsson (Canada)
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)PrioritizationComputer scienceIdentification (biology)Information technologyEngineering managementKnowledge managementProcess managementBusinessEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract This paper represents a summary of the discussion and findings from a breakout session held during the two-day SPE Applied Technology Workshop on Accelerating Technology Acceptance in the industry. Besides understanding current practices, the purpose of the session was to prioritize the steps that should be taken to achieve this goal, and to outline how best to assess the new technology needs of the industry. In addition to outlining the most salient points from the discussion on existing practices among oil companies and technology providers, also addressed are a series of recommendations for accelerating the acceptance of technology. The analysis includes a prioritization of the various suggestions given during this session, with a comparison made of the importance placed on each recommendation by operators versus technology providers. Some differences in opinion did exist. Based upon all information collected, it is clear that the road to accelerated technology acceptance involves commitment from leadership in both oil and technology provider companies, clear identification of the value propositions existing for new technology, and better communication between users and technology developers to insure that the appropriate R&D efforts are made to address the increasingly stringent exploration and production applications around the world. How SPE can assist in this important effort is also addressed.

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)0,078
score de la tête « metaresearch » (Gemma)0,167
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,411

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0780,167
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0030,003
Communication savante0,0100,011
Science ouverte0,0020,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,023
Tête enseignante GPT0,316
Écart entre enseignants0,293 · 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'étudeThéorique ou conceptuel
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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207