A DEA-ANN-based analytical framework to assess and predict the efficiency of Canadian universities in a service supply chain context
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This research is about embedding service-based supply chain management (SCM) concepts in the education sector. Due to Canada's competitive education sector, the authors focus on Canadian universities. Design/methodology/approach The authors develop a framework for evaluating and forecasting university performance using data envelopment analysis (DEA) and artificial neural networks (ANNs) to assist education policymakers. The application of the proposed framework is illustrated based on information from 16 Canadian universities and by investigating their teaching and research performance. Findings The major findings are (1) applying the service SCM concept to develop a performance evaluation and prediction framework, (2) demonstrating the application of DEA-ANN for computing and predicting the efficiency of service SCM in Canadian universities, and (3) generating insights to enable universities to improve their research and teaching performances considering critical inputs and outputs. Research limitations/implications This paper presents a new framework for universities' performance assessment and performance prediction. DEA and ANN are integrated to aid decision-makers in evaluating the performances of universities. Practical implications The findings suggest that higher education policymakers should monitor attrition rates at graduate and undergraduate levels and provide financial support to facilitate research and concentrate on Ph.D. programs. Additionally, the sensitivity analysis indicates that selecting inputs and outputs is critical in determining university rankings. Originality/value This research proposes a new integrated DEA and ANN framework to assess and forecast future teaching and research efficiencies applying the service supply chain concept. The findings offer policymakers insights such as paying close attention to the attrition rates of undergraduate and postgraduate programs. In addition, prioritizing internal research support and concentrating on Ph.D. programs is recommended.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle