MétaCan
Menu
Retour à la cohorte
Enregistrement W4385508622 · doi:10.1002/iis2.12921

Storytime, Audience to Authors: <i>Enhancing Stakeholder Engagement</i>

2022· article· en· W4385508622 sur OpenAlexaff
Dale Brown, Chamara Johnson, Allison Ruggiero, William Gleckler, Devon McDonnell, Denis Simpson

Notice bibliographique

RevueINCOSE International Symposium · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésDeliverableConversationInfluencer marketingStakeholderAgency (philosophy)Principal (computer security)Process (computing)Stakeholder engagementPublic relationsPolitical scienceProcess managementBusinessEngineeringComputer scienceSociologyMarketingSystems engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper is largely aimed at Public Agencies, such as Infrastructure and Transit authorities. The creation and development of projects at these agencies impacts multiple layers of stakeholders, who, in the collective experience of the authors, are often not involved in the project until the middle or end of the development phase or not until they have to use the system. These neglected end users and influencers of the system do not have a timely voice – they are effectively excluded. This paper advocates for the early engagement of all defined stakeholders; the obvious and the unconventional, both internal and external to the agency. This paper does not provide a detailed ConOps process but rather defines what a ConOps is, why it is necessary, and at what stage in the project should one be developed. The principal conversation herein focuses on how to determine who the audience is for the system of interest (SOI) and ways to engage them. The paper describes a holistic approach to the creation and development of a ConOps deliverable by engaging the audience, who become stakeholders and effectively, authors. This paper concludes with a case study encompassing the discussion.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,023
Tête enseignante GPT0,234
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetInformation Technology Governance and StrategyTravaux en français237 207