Experimental comparison of Web, electronic and mail survey technologies in operations management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract With the growing acceptance of the Web (Internet) and electronic mail, it is no surprise that researchers are using an increasingly diverse set of survey technologies to gather data from managers. However, the effectiveness of these electronic technologies has not been rigorously assessed, especially for gathering data from establishment‐level surveys (i.e. firm‐ or plant‐level). To that end, a stratified sample of large and small, service and manufacturing firms was constructed, followed by random assignment to one of four survey technologies: mail, fax, PC disk‐by‐mail and Web‐page survey (combined with e‐mail notification). For each treatment, managers are queried about their use of forecasting characteristics, yielding a sample of 118 firms. Unfortunately, only a low percentage (34%) of firms and managers assigned to the Web technology treatment both reported access to e‐mail and were willing provide their e‐mail addresses; they tended to be large firms and from the service sector. Moreover, those that did offer e‐mail addresses were only about half as likely to respond to the Web‐based survey as those targeted by other survey technologies. However, Web, fax and disk‐by‐mail technologies yielded higher item completion rates than mail. Limited statistical evidence indicated that respondents using computer‐based survey technologies (i.e. Web or disk‐by‐mail) generally reported forecasting characteristics that are associated with firms exhibiting best practices. Thus, a multi‐technology survey approach using the Web and fax can yield a strong combination of benefits over a traditional mail survey.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle