MétaCan
Menu
Retour à la cohorte
Enregistrement W2298772594

Life Cycle Costing in Defence Acquisition: The Challenges of Transforming Complex Aspirations into Factual Ground Realities

2016· article· en· W2298772594 sur OpenAlexaboutno aff
Sandeep Verma

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic Procurement and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcurementContext (archaeology)Activity-based costingGovernment (linguistics)Process (computing)WorkforceBusinessPublic administrationOperations managementEconomicsAccountingPolitical scienceEconomic growthMarketingComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Life cycle costing (LCC) is an extremely alluring procurement technique for government contracting professionals in developing countries, given its potential for reducing budgetary outgoes through lowered total cost of ownership during the entire life cycle of procured public assets. However, proper implementation of LCC in a public procurement context inherently requires strict cost visibility, verifiability and contracting discipline during comparative evaluation of proposals as well as during contract administration and implementation, making it an extremely difficult and challenging process, particularly in developing countries with relatively unskilled acquisition workforce and unresponsive legal systems as compared to developed country jurisdictions. Within this background, this short academic note explores certain LCC techniques employed under India’s defence procurement procedures, while also attempting quick comparisons with NATO, US and Canadian guidance on the subject. underlying intent is to use rigorous academic analysis for the purpose of formulating recommendations for suitable reforms in India that could perhaps also be useful for other developing countries interested in implementing LCC-based procurement for obtaining effectiveness and efficiency in their defence acquisition programmes. An initial draft of the paper was published in the journal The Administrator [January 2015, Vol. 56 No. 1, pp. 1-13].

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,453

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
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 Opus0,088
Tête enseignante GPT0,275
Écart entre enseignants0,187 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPublic Procurement and PolicyTravaux en français237 207