MétaCan
Menu
Retour à la cohorte
Enregistrement W4285374349 · doi:10.55969/paradigmplus.v2n2a2

A Blockchain-based Approach to Support an ISO 9001:2015 Quality Management System

2021· article· en· W4285374349 sur OpenAlexaff
Rafael Bettín-Díaz, Camilo Mejía-Moncayo, Alix E. Rojas

Notice bibliographique

RevueParadigmPlus · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésCertificationQuality management systemQuality auditBlockchainAuditQuality (philosophy)Process managementComputer scienceBusinessProcess (computing)Risk analysis (engineering)Quality managementManagement systemComputer securityAccountingOperations managementEngineering

Résumé

récupéré en direct d'OpenAlex

Quality is an essential element for any company that wants to be recognized successfully; because of this, the companies undergo a certification process under a quality standard such as ISO 9001 that allows them to improve the performance of its operation, differentiate itself from its competitors, achieve a better position in the market and export quickly. In this sense, making and maintaining such certification can be under high pressure over the company, up to become a source of corruption risk, since, in emerging markets, companies may be tempted to perform unethical practices such as falsifying or adulterating documents to maintain their certifications and the benefits derived from it. Besides, considering that the quality management system audit process is based on the verification made by a third party of the documents and records of the company against the quality standard, it becomes necessary to reinforce with technology the audit process to minimize this kind of risk. Given this, a software architecture for a quality management system supported in BPMN and Blockchain technology is proposed to guarantee the integrity and immutability of the system and information, which allows exposing any attempt at fraud and facilitates the audit process's automation.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,072
Tête enseignante GPT0,267
Écart entre enseignants0,195 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueParadigmPlusMême sujetBusiness, Innovation, and EconomyTravaux en français237 207