Challenging conventional wisdom related to defining business metrics: a behavioral approach
Notice bibliographique
Résumé
Purpose Measurement drives behavior. Unfortunately, most performance measurement initiatives overlook this fact. Implementations are performed top‐down with strategy as the starting‐point. There needs to be a better understanding of the cultural context of the metrics (What is driving the behaviors?) and a better understanding of what metrics are to define (How do we drive the right behaviors through measurement?). The purpose of this paper is to explore the notion of a context‐based approach to performance metrics – by examining an organization's negative values – and the notion of a content‐based approach – by introducing the concept of business interface metrics. Design/methodology/approach The article analyses business metrics. Findings The paper demonstrates the need to use interface metrics in order to better manager processes and deliver organizational values. Originality/value To get new insights, sometimes conventional wisdom needs to be challenged. Following best practices around metrics can prevent companies from reflecting on the effect of the metrics they are trying to put in place. By coming up with a different approach (business interface metrics and negative values), interesting insights can be gained. Moreover, taking a fresh approach ensures that new thinking takes place and that there are fewer conformist paths to fall back on.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,091 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,077 |
| Communication savante | 0,023 | 0,034 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».