Project Portfolio Selection under Uncertainty: A DEA Methodology using Predicted and Actual Frontiers
Notice bibliographique
Résumé
Project portfolio management (PPM) is an important area of interest in many organizations. There is a wide literature on each of many different aspects of PPM. The central purpose of the current paper is to focus on a specific sub-area of PPM, namely the project portfolio selection (PPS) problem. Specifically, we develop a new methodology that will aid management in choosing from a set of candidate project proposals, a subset of those project proposals that align with strategic objectives of the organization. Research methodology is based on the data envelopment analysis (DEA) construct to compare a set of decision making units (such as proposed projects) to arrive at an efficiency score for each member of this competing set, derive the best performers, generate an efficiency frontier and quantify inefficiency in the non-best performers. While DEA has been applied in numerous settings, the unique feature of the project portfolio application is the presence of two sets of data, namely pre-implementation “estimates”, and post-implementation “actuals”. Our methodology is unique in that it uses the idea of dual DEA frontiers based on such before and after data for a set of past projects. Dual frontier concept makes not only an important practical contribution to the PPS literature, but as well it opens new directions and provides an innovative advancement in the DEA literature. The requisite data is not publicly available. We believe, however, that the stand-alone methodology makes an important contribution to both the DEA and PPS literature.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».