MétaCan
Menu
Retour à la cohorte
Enregistrement W4322742899 · doi:10.3390/jrfm16030157

The Split-Screen Approach for Project Appraisal (Part II: Spreadsheet Modeling)

2023· article· en· W4322742899 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpreadsheets and End-User Computing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)Consistency (knowledge bases)Computer scienceAsset (computer security)SoftwareCapital (architecture)Software engineeringAccountingIndustrial engineeringFinanceProgramming languageEconomicsEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper employs the newly conceived accounting-and-finance engineering system (AFES) described in a previous paper (Magni 2023, “The Split-Screen Approach for Project Appraisal (Part I: The Theory)”), addressed to the analysis of capital asset investments. In this second part, we show how to implement this theoretical framework onto a spreadsheet software. We guide the analyst step by step, cell by cell, to the creation of the Split-Screen Matrices describing the project film. Because the AFES is based on two arithmetic relations (law of motion and law of conservation), we can use a minimal approach to modeling, with a frugal use of the most common spreadsheet functions (essentially INDEX and MATCH) and no use of the traditional financial functions, yet fulfilling the requisite of clearness, transparency, consistency, and ease of use. Starting from the informal description of the project, we build the model by breaking it down to 7 modules. The spreadsheet model is available online (see link provided in the paper).

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,267
Écart entre enseignants0,238 · 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