New approaches in project performance evaluation techniques
Notice bibliographique
Résumé
Purpose The purpose of this paper is to describe a Doctor of Project Management research study including summary of the literature review, the application of the combination of case study, survey and theory building research methodologies, key research findings and potential areas for future research. Design/methodology/approach The research investigates the reasons for the limited adoption of earned value management (EVM) as a project performance evaluation technique. It proposes new extensions to this technique that will be beneficial to project management practitioners. The multifaceted research approach incorporates the following elements: a review of previous and current literature on EVM; a survey of project management practitioners on their practices and attitudes towards EVM; analysis of the known challenges of the EVM technique; development of techniques to address and resolve the EVM challenges; consolidation of those techniques into a single framework and implementation model; and validation of that framework and model through multiple methods. Findings The research confirms that EVM can be greatly enhanced and simplified though three key initiatives: include the cost assurance (i.e. risk transfer) provided by procurement contracts; measure project achievement and progress on the completion of each phase, rather than monthly; and combine the above into a simplified, single model. Originality/value This paper provides practitioners with an insight into how EVM can be enhanced and applied in project management organisations. In particular, the integrated PAVA technique should be particularly useful to projects using the rolling wave approach, as its recognition of phases provides a framework for short‐ and long‐term planning.
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 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 | 0,006 | 0,001 |
| 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».