MétaCan
Menu
Retour à la cohorte
Enregistrement W4252834737 · doi:10.4018/978-1-7998-9029-4.ch004

Decision Support for Optimal Use of Joint Training Funds in the Canadian Armed Forces

2021· book-chapter· en· W4252834737 sur OpenAlexaffabout
Matthew R. MacLeod, Mark Rempel, Michael L. Roi

Notice bibliographique

RevueIGI Global eBooks · 2021
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésJoint (building)PortfolioContext (archaeology)Resource (disambiguation)Training (meteorology)Operations researchValue (mathematics)Decision support systemComputer scienceEngineeringKnowledge managementBusinessFinanceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Joint exercises are vital to the Canadian Armed Forces (CAF) meeting its readiness targets. However, CAF resources are often insufficient to participate in all candidate joint exercises. Many organizations face resource challenges. In the context of preparing the CAF for its mandated missions and operational tasks, this chapter addresses the following research question: How can the CAF get the most value out of its joint training resources? Using strategic analysis and operations research, the authors designed a value model to gauge a joint exercise's value and an optimization model to support decision makers when selecting a joint exercise portfolio. This chapter describes these models, presents an example of their application, and discusses future improvements.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,887

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,050
Tête enseignante GPT0,258
Écart entre enseignants0,208 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetTechnology Assessment and ManagementTravaux en français237 207