MétaCan
Menu
Retour à la cohorte
Enregistrement W2810271314 · doi:10.1177/875697280203300303

Project Management in the Information Systems and Information Technologies Industries

2002· article· en· W2810271314 sur OpenAlexafffund
Francis T. Hartman, Rafi Ashrafi

Notice bibliographique

RevueProject Management Journal · 2002
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCritical success factorProject managementProject management triangleExtreme project managementBusinessKnowledge managementProcess managementSoftware project managementProject stakeholderInformation systemProject managerInformation technologyProject charterSoftwareOPM3Engineering managementEngineeringComputer scienceSoftware developmentSystems engineering

Résumé

récupéré en direct d'OpenAlex

For many enterprises, sustainable success is closely linked to information systems (IS) and information technologies (IT). Despite significant efforts to improve software project success, many still fail. Current literature indicates that most of the software project problems are related to management, organizational, human, and cultural issues—not technical problems. This paper presents results of a survey of 36 software owners/sponsors, contractors/suppliers, and consultants on 12 projects. The empirical results address answers to questions related to success, performance metrics, and project business drivers. A lack of alignment on these critical issues emerge consistently by phase as well as across the entire project. The results of this study also are compared with others that span seven additional industry sectors. As a result, the authors have developed an approach that links project critical success factors (CSFs) to corporate strategy, and project metrics to the CSFs. An important finding of this study is the critical need to identify and manage realistic expectations of the stakeholders to achieve perceived project success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,003
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,325
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations203
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProject Management JournalMême sujetConstruction Project Management and PerformanceTravaux en français237 207