Reference System Element Identification Atlas – methods and tools to identify references system elements in product engineering
Notice bibliographique
Résumé
Companies target innovations, successful new products. One major challenge is to increase efficiency and decrease the risk of developing new successful products. We want to reach these goals by improving the reusability of already existing knowledge elements extracted from e.g., already existing (sub-)systems or their documentation. These elements are called reference system elements and are meant to be the starting point for product development projects. Based on a systematic literature review complemented by an expert workshop and analysis of established methods and tools in product engineering, we developed the Reference System Elements Identification Atlas to support the identification of suiting reference system elements. Within the Reference System Elements Identification Atlas, we collected 30 methods and tools to identify reference system elements and allocated them to the various knowledge spaces they search. All 30 methods and tools were grouped in five clusters – creativity methods, data analysis methods, market/competition analysis methods, similarity methods, and trend analysis methods. We observed that methods and tools are hardly related to the identification of reference system elements in literature explicitly. We believe the Reference System Elements Identification Atlas provides valuable support to collect valuable reference system elements as the starting point in product engineering. • Systematic literature review on methods and tools to identify existing knowledge. • Match of the methods and tools with diverse knowledge spaces to search in. • Knowledge management by means of knowledge reuse.
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 | 0,057 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,064 | 0,034 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,008 |
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 ».