MétaCan
Menu
Retour à la cohorte
Enregistrement W4312965085 · doi:10.1109/tem.2022.3220151

Salient Complexities of Engaging External Consultants in Information Systems Projects

2022· article· en· W4312965085 sur OpenAlexaffabout
Maxwell Chipulu, Udechukwu Ojiako, Ashish Thomas

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensConcordia University of Edmonton
Organismes subventionnairesnon disponible
Mots-clésSalientSalience (neuroscience)Project managementVariety (cybernetics)Competence (human resources)Knowledge managementScope (computer science)Information systemInterpersonal communicationProject management triangleProject managerProcess managementPublic relationsBusinessPsychologyComputer sciencePolitical scienceEngineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

Project sponsors have sought to develop the necessary competence to address various challenges they face during project development, implementation, and exploitation by employing different initiatives including the engagement and use of external consultants. However, doing so is associated with a number of consequences, including a significant risk of exacerbating project complexities. With this in mind, we set out in this article to examine the salient differences in the key project complexities between projects engaging consultants and those not engaging consultants. Data are obtained from 146 project management practitioners engaged in projects in Canada and the USA. Data analysis is undertaken using three-way multidimensional scaling. Findings as relates to the key complexities associated with information systems projects, points to the manifestation of six broad dimensions of complexity namely 1) “Variety,” 2) “Control,” 3) “Criticality,” 4) “Scope and repetition,” 5) “Information,” and 6) “Dependence.” As relates to how consultant engagement changes the salience of these key project complexities, we find that consultant engagement leads to more varied and stronger structural complexity and higher salience of interpersonal and organizational complexity.

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)0,019
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,107
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,007
Communication savante0,0080,004
Science ouverte0,0010,011
Intégrité de la recherche0,0010,002
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 Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · 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'étudeQualitatif
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207