MétaCan
Menu
Retour à la cohorte
Enregistrement W2121985148 · doi:10.1109/17.820728

Assessing and controlling the quality of a project end product: the earned quality method

2000· article· en· W2121985148 sur OpenAlexaff
Jean-Paul Paquin, Jean Couillard, Dominique J. Ferrand

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2000
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of OttawaUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Product (mathematics)Process managementQuality policyReworkProject managerProject management triangleSoftware quality controlQuality managementProject managementBusinessRisk analysis (engineering)Operations managementEngineeringComputer scienceMarketingSystems engineeringService (business)Software quality

Résumé

récupéré en direct d'OpenAlex

Quality is achieved to the extent that a project end product meets the client's needs and expectations. This paper addresses the fundamental issues relating to the periodic assessment and control of the quality of the end product of a project. The proposed earned quality method (EQM) enables project managers to assess and control the quality of the end product throughout the project's life cycle. EQM rests on two fundamental assumptions: (1) that quality is a measurable concept; and (2) that quality is accrued progressively throughout the project's life cycle. EQM decomposes the end product's overall quality into its main attributes and criteria and relates them to the project activities. This elucidation process of the client's needs and expectations helps both the client and the project manager to identify valid quality indicators, estimate their relative contribution to the overall quality objective, and devise acceptable assessment protocols. Using a multicriteria approach, EQM allows project managers to deal in a formal and quantitative fashion with the client's stated and implied needs. By comparing earned quality and planned quality of the work performed. EQM enables project managers to detect quality deviations and initiate early corrective actions. EQM should contribute significantly to the quality of a project end product by improving communications between the client and the project manager at its outset, by elucidating the client's needs and expectations, by providing ongoing quality assessment measures, by avoiding time-consuming and costly rework through early corrective actions, by promoting greater quality accountability and project coordination, and finally, by preventing costly legal disputes over the quality of the project end product.

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)0,020
score de la tête « metaresearch » (Gemma)0,044
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,004
Communication savante0,0050,005
Science ouverte0,0030,004
Intégrité de la recherche0,0010,001
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 Opus0,128
Tête enseignante GPT0,423
Écart entre enseignants0,295 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetConstruction Project Management and PerformanceTravaux en français237 207