MétaCan
Menu
Retour à la cohorte
Enregistrement W3105121253 · doi:10.3390/su12229713

A Framework for Capacity and Operations Planning in Services Organizations Employing Workers with Intellectual Disabilities

2020· article· en· W3105121253 sur OpenAlexaff
José P. García-Sabater, Julien Maheut, Ángel Ruiz, Julio Juan García Sabater

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésWorkforceBusinessFlexibility (engineering)Work (physics)Process managementProfit (economics)Workforce planningWorkforce developmentKnowledge managementMarketingOperations managementPublic relationsEconomic growthEngineeringComputer scienceEconomicsManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper presents an integrated framework for capacity and operations planning in Spanish sheltered employment centers (SECs). Employment provides socio-economic opportunities for people with disability. Well functioning SECs that provide opportunities for people with and without disability to work alongside each other are an important component of Spain’s current labor market. To be economically sustainable, SECs need to satisfy their clients expectations in terms of price, flexibility and performance, whilst taking into account and strengthening the diverse skills and abilities of their workforce like specific learning and forgetting processes. The SEC studied herein, a non-for-profit organization whose mission is to create employment for people with disabilities its workforce is deployed directly on clients’ premises. Efficient management across this multi-site environment, whilst supporting the diverse employment needs of its staff, is of paramount importance. This paper contributes an integrated framework to support SEC capacity and operations planning, which prioritizes the explicit training needs of workers with disability at all levels (strategic, tactical, and operational) as a lever for achieving the organization’s goals.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,003
Communication savante0,0070,004
Science ouverte0,0040,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,238 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetScheduling and Optimization AlgorithmsTravaux en français237 207