Framework for identification of performance metrics for research and development collaborations: Construction Innovation Centre
Notice bibliographique
Résumé
Purpose The purpose of this study is to provide a framework to identify performance metrics for evaluating research and development collaborations. Design/methodology/approach The framework is developed through a review of similar centres and academic studies, followed by surveys and interviews of researchers and industry practitioners for the case of the Construction Innovation Centre (CIC). The proposed framework consists of identification of existing industry research and development needs, development of a research roadmap representing top research priorities, and identification of the most important services to provide to industry partners, which form the context for defining performance evaluation metrics. Findings A research roadmap is presented, outlining top research areas and methods and a list of the most in-demand services including research, practical and training and outreach services. Metrics for evaluating the performance of proposed projects, completed projects and a collaborative research centre are also identified. Originality/value This study presents a novel approach to defining performance metrics for the evaluation of research and development collaborations. The approach and findings of this study can be adopted by other collaborative research centres and initiatives around the world to develop effective metrics for performance measurement. The proposed framework provides a platform for defining performance metrics in the context of the research roadmap and top-priority services applicable to the research and development collaboration.
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 | 0,104 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,042 | 0,028 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,026 | 0,018 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».