MétaCan
Menu
Retour à la cohorte
Enregistrement W2027991041 · doi:10.1287/inte.1110.0594

Introduction: 2010 Daniel H. Wagner Prize for Excellence in Operations Research Practice

2011· article· en· W2027991041 sur OpenAlexaboutno aff
C. Allen Butler, Randall S. Robinson

Notice bibliographique

RevueINFORMS Journal on Applied Analytics · 2011
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOperations Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIBMCompetition (biology)CLARITYExcellenceHeuristicsCenter of excellenceOperations researchSuiteObsolescenceWatsonOperational excellenceScheduleComputer scienceManagementMarketingBusinessEngineeringPolitical scienceEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Competition for the 2010 Daniel H. Wagner Prize for Excellence in Operations Research Practice provided the five finalist papers featured in this special issue of Interfaces. The prestigious Wagner Prize emphasizes quality and originality of mathematical models along with clarity of written and oral exposition. Authors from IBM's Watson Research Center won the competition with their innovative, diverse suite of models to improve critical choices for managing skilled personnel, choices so important in service industries; their models have been implemented in the IBM Integrated Technology Services business. A finalist team from Georgia Tech joined with the US Centers for Disease Control to solve a physician's often challenging problem of creating the best new schedule for a person who misses one or more previously scheduled vaccinations; the team's optimization approach is implemented in software now freely available to American physicians, and in software with Canadian rules soon to be available to Canadian physicians. A team from Kimberly-Clark Latin America and Penn State University developed optimization models to improve production and inventory control; after overcoming slow solution speeds with heuristics that furnish good solutions in minutes, the models have so far been implemented in Kimberly-Clark plants in five countries. A finalist team from the University of Texas at Dallas worked with Blockbuster, Inc. to improve efficiency and speed in Blockbuster's central system to fill orders from the company's numerous retail stores; implementation of the resulting optimization models led to reduced costs and more balanced workloads in the Blockbuster order-fulfillment center where different processing departments compete for shared resources. Finally, an India-based team from GE Global Research developed models to improve the selection of customers who receive special product offers from a GE commercial bank in Europe; the team's diverse models are now helping the GE bank to improve its customer responses.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,474

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0110,004
Science ouverte0,0020,003
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,1420,095

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 Opus0,296
Tête enseignante GPT0,454
Écart entre enseignants0,158 · 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
GenreÉditorial

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFORMS Journal on Applied AnalyticsMême sujetOperations Management TechniquesTravaux en français237 207