MétaCan
Menu
Retour à la cohorte
Enregistrement W2091632499 · doi:10.1002/j.2334-5837.2010.tb01128.x

9.1.0 Service Systems and Systems Sciences in the 21st Century

2010· article· en· W2091632499 sur OpenAlexaff
Jennifer Wilby, Kyoichi Kijima, David Ing, Gary S. Metcalf

Notice bibliographique

RevueINCOSE International Symposium · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensIBM (Canada)
Organismes subventionnairesnon disponible
Mots-clésIBMSystems Modeling LanguageService (business)Computer scienceKnowledge managementFace (sociological concept)Service designService systemSystem of systemsService providerEngineering managementEngineeringSystems designUnified Modeling LanguageBusinessSoftware engineeringSociologyMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Progress on the emerging science of service systems will be advanced by improved collaboration between scientists, engineers, managers and designers. The endorsement of SysML by the OMG provides an option for rigourous descriptions of service systems. The domains modeled by systems engineers have generally been technical in nature. “A service system can be defined as a dynamic configuration of resources (people, technology, organisations and shared information) that creates and delivers value between the provider and the customer through service” (IfM and IBM 2008). Service systems in the 21st century not only include service machines, but also commercial relationship interactions and public infrastructural and social offerings. Broadening the domains of interest to the subjective and the ambiguous presents challenges not only the formal modeling of systems, but also the effective attainment and communications of shared understandings. A group of senior researchers with shared knowledge in the systems sciences has been conducting conversations about service systems, applying modeling tools in both face‐to‐face and distributed communications. Findings on joint learning, obstacles, and the responses from observers will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,083
Tête enseignante GPT0,377
Écart entre enseignants0,294 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetComplex Systems and Decision MakingTravaux en français237 207