MétaCan
Menu
Retour à la cohorte
Enregistrement W4309328395 · doi:10.1080/09537287.2022.2146018

A (meta)governance framework for multi-level governance of inter-organizational project networks

2022· article· en· W4309328395 sur OpenAlexaff
Ralf Müller, Charlotte Alix-Séguin, Раймонда Алондериене, Mario Bourgault, Alfredas Chmieliauskas, Nathalie Drouin, Yongjian Ke, Inga Minelgaitė, Margarita Pilkienė, Saulius Šimkonis, Christine Unterhitzenberger, Anne Live Vaagaasar, Linzhuo Wang, Fangwei Zhu

Notice bibliographique

RevueProduction Planning & Control · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversité du Québec à MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésProject governanceCorporate governanceBusinessProcess managementMulti-level governanceKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

Little is known about the governance of inter-organizational networks for projects. This study empirically develops a theoretical framework for this, using 28 project networks as case studies, applying 124 interviews in ten countries. The abductively developed three-layered governance framework has the individual network for a project at its lowest layer, explained through Multi-level Governance Theory. This is steered by a middle layer for the governance of networks, addressing the steering of the different networks these organizations are part of. At the top is metagovernance, where the ground rules are set by governments or investors. For each layer, the governance dimensions, as well as the enablers and disablers between layers, are defined. The study’s resulting theory provides an overall understanding of the governance of multiple networks for projects and provides practitioners with the parameters to optimize their networks for better project 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)0,010
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,006
Communication savante0,0070,008
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,204
Tête enseignante GPT0,377
Écart entre enseignants0,173 · 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'étudeThéorique ou conceptuel
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

Citations34
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProduction Planning & ControlMême sujetConstruction Project Management and PerformanceTravaux en français237 207