Evaluating High Performance the Evidence-Based Way: The Case of the Swagelok Transformers
Notice bibliographique
Résumé
Many of the publications on achieving high performance have been written by North American researchers and consultants, and the case companies they described originate mainly from the United States. However, there is a lack of long-term studies that subject the described techniques to rigorous evidence-based management research in North American companies, to test the ideas in practice over a period of time to evaluate their relevance to managerial practice. In this article, we evaluate the high performance organization (HPO) Framework, a scientifically validated technique for helping organizations become high performing, in the North American context. This framework evaluates the strengths and weaknesses of the internal organization of a company, using a questionnaire. This questionnaire was applied in 2013 at seven Swagelok locations in the United States and Canada. From the questionnaire improvement opportunities were identified on which the locations subsequently worked. In 2015, the questionnaire was repeated to evaluate the effects of these improvements on the locations’ performance and to identify the most effective interventions. The study results show that the application of the HPO Framework had different outcomes depending on local circumstances. Some locations experienced a growth while other locations used the framework to battle the consequences of adverse economic circumstances. All locations agreed that the HPO Framework had been instrumental, in a positive way, to the development of their organization and its people.
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 | 0,109 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,017 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».