MétaCan
Menu
Retour à la cohorte
Enregistrement W4296066611 · doi:10.4018/ijsds.309122

Holistic Feasibility Study for Different Investment Alternatives

2022· article· en· W4296066611 sur OpenAlexaffabout
Ahmed Assad, Eslam Mohammed Abdelkader

Notice bibliographique

RevueInternational Journal of Strategic Decision Sciences · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDowntownInvestment (military)Center (category theory)BusinessReturn on investmentCommercial areaComputer scienceEnvironmental economicsTransport engineeringMarketingOperations managementOperations researchEconomicsCivil engineeringEngineeringGeographyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

A feasibility study can be characterized as an assessment of potential effect of a proposed project. It is directed to help towards figuring out whether to establish a particular project. A feasibility study's main goal is to assess the economic viability of the proposed business. In this paper, the authors present a study that is done for an investor who wants to choose the most profitable alternative among four mutually exclusive alternatives. The alternatives include buying land and selling it after nine years, constructing an office building, constructing a shopping center, or constructing a multistory parking building. The office, shopping center, and parking buildings have a built-up area of 50,000 sf. The designated land area is located in Montreal downtown area, Canada. After performing the economic analysis, the shopping center turns out to be the most feasible. Finally, some supplementary analysis is applied to specify the most sensitive attribute. It is found that changing the minimum acceptance rate of return would have the most impact on the calculated results.

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)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,000

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 Opus0,574
Tête enseignante GPT0,523
Écart entre enseignants0,051 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Strategic Decision SciencesMême sujetInnovation Diffusion and ForecastingTravaux en français237 207