MétaCan
Menu
Retour à la cohorte
Enregistrement W4386150054 · doi:10.1016/j.cie.2023.109559

Interplay between humanitarian procurement operations and fundraising

2023· article· en· W4386150054 sur OpenAlexafffund
Emel Arıkan, Lena Silbermayr, Fuminori Toyasaki

Notice bibliographique

RevueComputers & Industrial Engineering · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFacility Location and Emergency Management
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésProcurementNewsvendor modelContext (archaeology)BusinessBenchmark (surveying)PreparednessOperations researchTask (project management)FinanceOperations managementEconomicsSupply chainMarketingEngineeringManagement

Résumé

récupéré en direct d'OpenAlex

Procuring requested relief items, while ensuring an available budget, is an essential task in humanitarian logistics. Humanitarian organizations (HOs) are facing difficult decisions about procurement portfolios (i.e., prepositioning-versus-emergency procurement) and fundraising strategies. We develop a two-stage newsvendor model in the context of a leader-follower game between a representative HO (the leader and donors (the follower)to characterize their interactions. In our model, the HO decides on the prepositioning level for disaster preparedness under uncertainty, while the fundraising expense is determined on the disaster response phase. Our research compares a budget-constrained case with a budget-unconstrained benchmark case. Furthermore, we discuss the trade-off between the efficiency (i.e., maximizing HO’s expected budget) and effectiveness (i.e., maximizing expected demand fill rate) of procurement and fundraising operations. Our numerical analysis reveals that the budget-unconstrained environment would provide the HO with misleading managerial insights into procurement portfolios—overemphasis on prepositioning. Further, an effective fund-raise mechanism that could raise donors’ motivation for donations would reduce prepositioning. We also observe that prepositioning cannot guarantee to achieve the highest operational effectiveness (demand fill rate) due to the loss of fundraising opportunities. Research implications and managerial guidelines are proposed.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,069
Tête enseignante GPT0,257
Écart entre enseignants0,188 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputers & Industrial EngineeringMême sujetFacility Location and Emergency ManagementTravaux en français237 207