Notice bibliographique
Résumé
Data Envelopment Analysis (DEA) is a non-parametric frontier approach used both to model production processes and/or production organisations of goods and services (public and private) as inputs/output systems and to measure their relative efficiency. However, in addition to being an instrument for measuring economic performances, the DEA is also used in its multiplicative version as a policy tool to support managerial decisions for the pursuit of competing objectives. Based on the data, the DEA offers an answer to the pursuit of competing objectives by placing it as a trade-off and calculating the optimal weights associated with each of them. Here, we will address two questions: 1) how to overcome the DEA modelling of decision-making units as "black boxes" that use inputs to be translated into outputs to taking into account the operations/stages involved in this transformation process, and 2) how to use the Network Data Envelopment Analysis (NDEA) approach as a policy tool. In particular, we will propose a way to use a relational NDEA model as a policy tool by exploiting the possibility of making assumptions about the model variables. In our opinion, compared to the standard DEA, the advantage of using the NDEA as a policy tool is that the policy objectives (in this case organisational) can also be disaggregated at the sub-process level. In particular, we will propose to translate the system of organisational objectives into an NDEA model as a mix of "discretionary/non-discretionary" assumptions about the variables of the model itself. To clarify our proposal, we will then develop an application in the public health services sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».