MétaCan
Menu
Retour à la cohorte
Enregistrement W3036282159 · doi:10.5430/rwe.v11n3p50

Caclulation Structure of Labor Costs for the Research and Development

2020· article· en· W3036282159 sur OpenAlexvenueno aff
С. В. Новиков, Andrey A. Sazonov

Notice bibliographique

RevueResearch in World Economy · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNormativeComparabilityRepresentation (politics)IncentiveSchematicEconomicsWork (physics)LegislatureProcess (computing)Actuarial scienceEconometricsComputer scienceOperations managementMicroeconomicsMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

The article is devoted to labor costs standards determination method for the preparation, organization and implementation of research and development (R&D). Labor costs norms and standards areas of use for R&D are defined. In the methodological part of the article, there is a proposed schematic representation of the calculating process of the labor intensity normative indicator. During the study, it was found that the number of communication possible forms between the change in the labor costs volume and the change in the standardized planning and accounting unit and analogue factors is limited to three, according to which calculation formulas for particular comparability coefficients are given in the article. The discussion in the article is based on features discussion of using experimental statistical and expert methods for determining standard indicators for labor costs comparing standard indicators.The result of the study is the multilateral algorithm development for determining the labor costs normative volume for a standardized object based on the use of two possible scenarios. In conclusion it was note that one of the ways to increase the determining efficiency of R&D cost is to further improve the legislative and normative-methodological framework for conducting this assessment, creating incentives for work performers to reduce costs with R&D quality necessary level, for example, by keeping them parts of the resulting savings.

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)0,003
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,258
Tête enseignante GPT0,438
Écart entre enseignants0,180 · 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'étudeSans objet
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207