Towards an Evidence-Based Value-for-Money Assessment Methodology: Consideration of Innovation, Flexibility, and Risks in Public-Private Partnerships
Notice bibliographique
Résumé
Public-private partnerships (PPPs) have been advocated as an effective delivery model that promotes innovation, flexibility and efficient risk allocations. Value for Money (VfM) assessment is a crucial decision-supporting tool in the developing process. However, the current assessment methods suffer from subjectivity and ambiguity. The thesis documents the doctoral research in developing an integrated probabilistic VfM assessment framework that characterizes the interaction among innovations, flexibility, and risks in PPPs based on multiple research methods including personal interview, empirical data analysis, analytical model and framework development. The study consists of four major pieces, each representing a published or to-be- published journal article. The first paper deals with empirical evidences of the use of engineering innovations in Canada’s PPP market. Personal interview was employed in the study. The empirical evidence proves that PPPs does provide unique innovation opportunities and scope. The second paper presents a direct comparative analysis between traditional and PPP projects by tracking the cost and schedule performance data in Canadian market. The research demonstrates that PPPs outperform traditional models on cost and schedule performance during the construction stage. The third paper presents a stochastic modelling methodology to evaluate the lifecycle cost risk considering maintenance flexibility, characterizing the complex interaction among the lifecycle cost, performance deterioration, and maintenance strategies. Simulation-based optimization and dynamic programming analysis are used to determine the probability distributions of the lifecycle cost and the VfM. The study shows that the lifecycle cost risk is not fully transferred to the private party. Finally, the fourth and last paper integrates the results from the previous three papers and develops a probabilistic VfM assessment framework to incorporate interaction between value drivers and uncertainty sources based on empirical evidences. A new VfM assessment paradigm using the probability of negative VfM as the decision criterion is recommended. The proposed VfM framework makes use of the best empirical evidences available, and when empirical data are not available, some credible analytical models to quantify the value and risks associated with the value drivers. The proposed framework has painted a clear road map to enhance the objectivity and validity of the VfM assessment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,185 | 0,285 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,032 | 0,020 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,022 | 0,021 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».