MétaCan
Menu
Retour à la cohorte
Enregistrement W2346162655 · doi:10.5539/mas.v10n9p1

Developing Improvement Planning Phase in Project Management Maturity Models

2016· article· en· W2346162655 sur OpenAlexvenueno aff
Ehsan Eshtehardian, Farhad Saeedi

Notice bibliographique

RevueModern Applied Science · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPDCAProcess managementMaturity (psychological)PrioritizationSuccessor cardinalProcess (computing)Phase (matter)Operations managementComputer scienceBusinessOperations researchQuality managementManagement systemEngineeringMathematicsPsychology

Résumé

récupéré en direct d'OpenAlex

The suggested cycle of project management maturity model generally include phases of evaluation, planning, improvement and finally cycle repeat which is largely based on a cycle known as Deming or PDCA. “Improvement Planning Phase” is the most important phase requiring development among these models that it is not discussed much. The major criteria for prioritization and planning in this phase were investigated in a research by authors. At first, the literature of subject is reviewed, by doing a series of interviews with project management consultants then prioritization criteria is identified, and eventually it is continued with more analysis on each of these criteria by distributing the questionnaire. The most significant criteria can be mentioned as current maturity level, desired maturity level for each process, relative balance between maturity levels of different processes, relations (predecessor & successor) between processes, the impact of each process on success, resources and organizational effort required for implementation, the role of organization (employer/contractor) and the acceptance of organization in different processes. Finally, according to the criteria a model was developed for “improvement planning phase”. A model is regarded as an improvable point in these models if it pays attentions to all criteria in addition to the relative importance of each criterion and importance of each process compared to each criterion in form of a specific procedure.

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)0,004
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,170
Tête enseignante GPT0,413
Écart entre enseignants0,243 · 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'étudeAutre devis
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetConstruction Project Management and PerformanceTravaux en français237 207