MétaCan
Menu
Retour à la cohorte
Enregistrement W4385812665 · doi:10.3390/jrfm16080372

State-of-the-Art Review on the Analytic Hierarchy Process with Benefits, Opportunities, Costs, and Risks

2023· article· en· W4385812665 sur OpenAlexvenueno aff
Antonella Petrillo, Valério Antônio Pamplona Salomon, Claudemir Leif Tramarico

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScopusAnalytic hierarchy processAcronymMultiple-criteria decision analysisManagement scienceComputer scienceSet (abstract data type)Process (computing)Risk analysis (engineering)HierarchyOperations researchEngineeringBusinessPolitical scienceMEDLINE

Résumé

récupéré en direct d'OpenAlex

The benefits, opportunities, costs, and risks (BOCR) model is a multiple-criteria decision-making (MCDM) model used to elicit a mutually exclusive and collectively exhaustive set of criteria. As an acronym proposed in the theory of the analytic hierarchy process (AHP), the BOCR model has received attention from users of this MCDM method. A state-of-the-art review, an approach to a literature review that is more comprehensive than a rapid review but not as exhaustive as a systematic literature review, was performed with the Scopus database. The overwhelming majority of documents found on BOCR were practical applications, but they were from diverse areas, including business, computer science, and engineering. It is proposed that two main kinds of contributions for future research on BOCR should be methodological and practical.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,174
Tête enseignante GPT0,377
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMulti-Criteria Decision MakingTravaux en français237 207