MétaCan
Menu
Retour à la cohorte
Enregistrement W3134971930 · doi:10.48110/joi.v2i1.25

Stakeholders' Engagement and Performance Efficiency at Oil and Gas Industry in Yemen

2021· article· en· W3134971930 sur OpenAlexaff
Mohammed Ahmed Al-Haddad, Mohammed Saleh Al-Abed

Notice bibliographique

RevueJournal of Impact · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésUpstream (networking)MidstreamBusinessPetroleum industryDownstream (manufacturing)Sample (material)Process (computing)Customer engagementMarketingProcess managementPerformance indicatorEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Oil and Gas industry in Yemen is considered as the biggest and variable sector. Therefore, the performance efficiency is very important to be attained during all the activities and phases that include searching, drilling, upstream, midstream, and downstream. As a crucial factor, stakeholders’ engagement theories have been emphasized the central role of stakeholders’ engagement to strategic planning efforts in contemporary organizations. This study therefore examined the impact of stakeholders’ engagement on the performance efficiency (time, cost, and quality) at the Yemeni oil and gas industry. The quantitative method was employed and online questionnaire was used as a primary source for collecting data. The sample size was 312, selected from three oil and gas companies; namely; Yemen Liquid Natural Gas Company, Safer Exploration and Production Oil Company and OMV Company. This study targeted managers and non-managers. The results show that stakeholders’ engagement has a significant relationship with the performance efficiency. In addition, stakeholders’ engagement has a significant impact on the performance efficiency. The results suggest the consideration of early stakeholders’ engagement in the planning, development, implementation, controlling and evaluation the performance. Managers should enhance every step regarding the participation of the stakeholders in the decision-making process. In addition, more effective practices will support achieving performance efficiency.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,040
Tête enseignante GPT0,264
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ImpactMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207