MétaCan
Menu
Retour à la cohorte
Enregistrement W2085371129 · doi:10.3141/2222-05

Port Effectiveness

2011· article· en· W2085371129 sur OpenAlexaffabout
Mary R. Brooks, Douglas A. Schellinck, Athanasios A. Pallis

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Ports and Logistics
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPort (circuit theory)Pairwise comparisonProcess (computing)BusinessComputer sciencePerformance indicatorTelecommunicationsTransport engineeringProcess managementOperations researchMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

A survey of the perspectives of port users in North America identified and evaluated a key, yet underresearched, component of port performance, that is, effectiveness in delivering port services to port users. This research responds to recent calls by port scholars for studies measuring port performance for more analytical emphasis on users' perspectives. The survey, conducted with the help of 13 professional associations in the United States and Canada, resulted in an understanding of (a) how port users evaluated the ports that they use, (b) what was most important to users in terms of the attributes of services, and (c) how users evaluated the performance of ports that they used on the U.S. East Coast and in Canada. Participants were asked to rate the importance of various performance criteria and then to apply them by evaluating the performance of the ports they used on those dimensions. To analyze the findings, the survey used a gap analysis and normalized pairwise estimations to measure the actual influence of a criterion on port performance. With performance being more than just satisfaction, this process generated knowledge on what contributed to better performance in the eyes of users in two different regions of North America. The results of this type of study will enable stakeholders to compare performance from specific ports as input to decision making and enable ports to focus their resources on improvements that matter to their customers and supply chain partners.

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)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0430,004

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 Opus0,116
Tête enseignante GPT0,349
Écart entre enseignants0,234 · 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'étudeObservationnel
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

Citations14
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetMaritime Ports and LogisticsTravaux en français237 207