MétaCan
Menu
Retour à la cohorte
Enregistrement W2074389819 · doi:10.1108/02686900110395505

Audit and self‐assessment in quality management: comparison and compatibility

2001· article· en· W2074389819 sur OpenAlexaff
Stanislav Karapetrović, Walter Willborn

Notice bibliographique

RevueManagerial Auditing Journal · 2001
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversity of ManitobaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAuditQuality auditQuality management systemScope (computer science)Process managementQuality managementQuality of analytical resultsExcellenceQuality assuranceCompatibility (geochemistry)Internal auditQuality (philosophy)Computer scienceAccountingBusinessRisk analysis (engineering)Operations managementManagement systemEngineeringExternal quality assessment

Résumé

récupéré en direct d'OpenAlex

In recent years, two performance evaluation methodologies have received significant attention in managerial circles: quality audit and self‐assessment. While the quality audit examines the compliance of a quality system with ISO 9000 standards and its suitability to achieve stated objectives, the self‐assessment measures organizational performance against a selected business excellence model. In a continuous improvement effort, an organization can lay out the groundwork by establishing an ISO 9000 quality system, and subsequently use an excellence model to enhance performance, thereby effectively applying both evaluation methodologies. This paper compares the principles and practices of quality audits and self‐assessments, for the purpose of examining their compatibility and providing the basis for integration. Numerous differences in the concepts, purpose, scope and methodology are illustrated, and self‐assessments are found to be more advantageous in enabling continuous improvement. However, it is concluded that audits and self‐assessments are compatible, and further research into the issues of enhancing both methodologies is suggested.

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)0,070
score de la tête « metaresearch » (Gemma)0,119
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: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,371

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,119
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,010
Communication savante0,0110,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,301
Écart entre enseignants0,271 · 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

Citations82
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagerial Auditing JournalMême sujetQuality and Supply ManagementTravaux en français237 207