Do hospital balanced scorecard measures reflect cause-effect relationships?
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate whether first level measures in the Balanced Scorecard (BSC) declaring a cause-effect relationship by design are composite indices of lower measures, and if they converge into a single factor as is traditionally accepted in the BSC literature. Design/methodology/approach This study reports results of a quantitative case study that focusses on an Ontario (Canada) community hospital that has been using the BSC. Findings The results of this study challenge the cause-effect assumption of the BSC, particularly in a cascading context, and suggest that a lack of attention of how composite indices of lower measures converge into a single higher level measure may be the reason for ineffective use of the BSC. Research limitations/implications The BSC is a dynamic tool; as such there are several measures that have a very short history, thus limiting the observations available to be used in statistical models. Practical implications A key recommendation for practice that emerges from this study is the need to test if lower level metrics do merge naturally in the upper level measure of the BSC; if not, the upper level measure might not be linked to other measures rendering the BSC ineffective in the context of causality. Originality/value Although several studies have argued in favour of the cause-effect relationship of the BSC, none of those found in the literature have paid attention to the way in which first level measures are constructed. This may explain why certain measures are linked, while others are not, to those that are calculated as composite indices of several lower level indicators.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,076 | 0,373 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».