MétaCan
Menu
Retour à la cohorte
Enregistrement W2312448894 · doi:10.1111/itor.12255

Trade‐offs in integer data envelopment analysis

2016· article· en· W2312448894 sur OpenAlexaff
Mohammadreza Alirezaee, Mohammadreza Rafiee Sani

Notice bibliographique

RevueInternational Transactions in Operational Research · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensCentre for Disability Prevention and RehabilitationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésData envelopment analysisAxiomInteger programmingInteger (computer science)Mathematical optimizationSet (abstract data type)Production (economics)Computer scienceLinear programmingMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract If production trade‐offs—which represent simultaneously feasible exchanges in the inputs and outputs of decision‐making units (DMUs)—are added to an integer production possibility set (IPPS), a new IPPS is produced; conventional axioms of production do not generate a new IPPS, however. This paper develops the axiomatic foundation for data envelopment analysis (DEA) for integer‐value inputs and outputs in the presence of production trade‐offs by introducing a new axiom of “natural trade‐offs.” First, a mixed‐integer linear programming formula called an integer DEA trade‐off (IDEA‐TO) is presented for computing efficiency scores and reference points. The numeration algorithm (NA) method presented in this concept is improved, and an improved numeration algorithm (INA) method for solving integer DEA (IDEA) models is developed. Finally, comparison between the two methods and a generalized INA method for solving the IDEA‐TO model are presented.

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)0,014
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,859
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,377
Tête enseignante GPT0,538
Écart entre enseignants0,161 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Transactions in Operational ResearchMême sujetEfficiency Analysis Using DEATravaux en français237 207