MétaCan
Menu
Retour à la cohorte
Enregistrement W4295924056 · doi:10.3390/buildings12091460

Selection of New Projects Considering the Synergistic Relationships in a Project Portfolio

2022· article· en· W4295924056 sur OpenAlexaff
Ke Ma, Libiao Bai, Yichen Sun, Tong Pan, Victor Shi, Yipei Zhang

Notice bibliographique

RevueBuildings · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSocial Science Foundation of Shaanxi ProvinceNational Natural Science Foundation of China
Mots-clésPortfolioSelection (genetic algorithm)Process managementProject portfolio managementComputer scienceProcess (computing)Engineering managementManagement scienceProject managementBusinessEngineeringSystems engineeringFinance

Résumé

récupéré en direct d'OpenAlex

Multiple internal conflicts and external emergencies can occur when an enterprise implements a project portfolio (PP), making the PP inevitably deviate from the enterprise’s strategic objectives. As a means of project portfolio change (PPC) that aims to align the PP with strategic objectives, adding new projects can compensate for this deviation. Furthermore, the synergistic relationships in the PP can significantly impact the achievement of the enterprise’s strategic objectives. Therefore, this study presents a procedure for the selection of new projects that considers the synergistic relationships in the PP. First, the deviation between the PP and the enterprise’s strategic objectives is identified. Second, the synergistic relationships between candidate new projects and the projects in the PP are analyzed, based on which a model of new project selection is built. Third, by comparing the model simulation results of the attainment of the strategic objectives of several PPs, the new projects that can best achieve these strategic objectives are added to the PP. This procedure is illustrated using a numerical example showing its applicability and efficacy. For academia, this study provides a theoretical framework for the selection of new projects. Moreover, the straightforward procedure can help manage PPs in business practice.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,610
Score d'incertitude au seuil0,739

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
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)0,0010,000

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 Opus0,173
Tête enseignante GPT0,357
Écart entre enseignants0,185 · 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'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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetConstruction Project Management and PerformanceTravaux en français237 207