MétaCan
Menu
Retour à la cohorte
Enregistrement W4288749121 · doi:10.5430/ijba.v13n4p79

Business Intelligence in Decision Support Focusing on Collective Continuity Indicators

2022· article· en· W4288749121 sur OpenAlexvenueno aff
Elico Vanderley Goncalves, Sandra Da Cruz Garcia, Davy Ítalo Ribeiro da Silva, Viviane Barrozo da Silva, Júlio Sancho Linhares Teixeira Militão, Almeida Andrade Casseb

Notice bibliographique

RevueInternational Journal of Business Administration · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness intelligenceComputer scienceElectricityProcess (computing)Scope (computer science)Process managementControl (management)Decision support systemRisk analysis (engineering)Knowledge managementBusinessData mining

Résumé

récupéré en direct d'OpenAlex

The expansion of organizations demands more and more information as an input to acquire greater control of activities, and for the treatment of this data. The information technology scenario has a growing and sharp curve, especially in the scope of big data, requiring attributes for analysis and compilation of the data obtained, thus ensuring the provision of information in a timely manner for more accurate and assertive decisions about the future of organizations. Thus, the present study seeks to show how the implementation of a Business Intelligence tool impacts on collective indicators of continuity of electricity supply. Energy is one of the main inputs for organizations and for everyone who depends on it. Its availability allows a guarantee of the continuity of socio-economic development. Therefore, the objective of this was to carry out descriptive research with a quali-quantitative approach through an applied study, having as locus an electric energy distribution concessionaire, approaching the scenarios before and after the implementation of the tool, making it possible to highlight the improvements in the organization through Business Intelligence. It also has an approach regarding the aid in the decision-making process through this tool, and consequently its contribution to the process of continuous improvement.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,318
Écart entre enseignants0,276 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetBig Data and Business IntelligenceTravaux en français237 207