MétaCan
Menu
Retour à la cohorte
Enregistrement W2183380422 · doi:10.1139/cjce-2015-0227

Multilevel performance management framework for small to medium sized water utilities in Canada

2015· article· en· W2183380422 sur OpenAlexafffundvenueabout
Husnain Haider, Rehan Sadiq, Solomon Tesfamariam

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBenchmarkingCustomer satisfactionPerformance indicatorPerformance managementComponent (thermodynamics)Water utilityBusinessPerformance measurementEnvironmental economicsBenchmark (surveying)Computer scienceProcess managementOperations managementWater supplyEngineeringMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

In Canada, small to medium sized water utilities (SMWU) do not often participate in National Water and Wastewater Benchmarking Initiative due to lesser economies of scale, lack of resources, and data limitations. Consequently, such SMWU are managing their functional components (i.e., environmental, personnel, operational, physical assets, customer satisfaction, public health, and financial) without quantitatively assessing and knowing if they are meeting their performance objectives. A multilevel performance management framework, consisting of five modules has been developed and implemented for SMWU in BC, Canada. The framework provides an approach to identify and select the suitable performance indicators for SMWU, and to use them for inter-utility performance benchmarking under limited data. The subsequent modules can be used for detailed performance management at utility, system, and sub-component levels. The utility managers can effectively employ this framework to identify the underperforming functional components and can rationally take corrective actions, and address customer satisfaction with efficient inventory management and data analyses.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0030,001
Communication savante0,0050,002
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,016
Tête enseignante GPT0,168
Écart entre enseignants0,153 · 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'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

Citations15
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetWater resources management and optimizationTravaux en français237 207