MétaCan
Menu
Retour à la cohorte
Enregistrement W4388036418 · doi:10.5430/bmr.v13n1p18

Challenges in the Receiving and Inspection of Supplies & Equipment in an International Organization in West Africa

2023· article· en· W4388036418 sur OpenAlexvenueno aff
Ralyn E. Bermudez

Notice bibliographique

RevueBusiness and Management Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLaw, logistics, and international trade
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDocumentationInvoiceBusinessOperations managementQuality (philosophy)Process (computing)Order (exchange)Unit (ring theory)Computer scienceProcess managementMarketingAccountingFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

The warehouse operation has enabled physical inspection activities, including receiving and inspection of materials and equipment. It has been found that there are certain challenges faced by inspectors during the receiving and inspection of materials. The warehouse custodian has performed the physical inspection, but not all cross-checking activities are accurate. Therefore, receiving and inspection are crucial to the delivery process, and distinct approaches must be implemented to deal with internal and external clients, including international and local suppliers. To effectively deal with these challenges, a process for entry document processing must be established. This process should include harmonizing the purchase order's terms and supporting it with the delivery note, packing list, invoice, bill of lading, and airway/waybill provided by the supplier. This will ensure that the material's quantity, quality, and specifications are accurately documented. A total of 14 responses were collected among managers and supervisors of receiving and inspection unit through interviews and survey questionnaires in the seven geographical locations of Mali, West Africa. The independent variables, namely (PI) physical inspection, (HOV) handover, and (DOC) documentation, significantly impact the dependent variable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,003
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,219
Tête enseignante GPT0,354
Écart entre enseignants0,135 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Explorer davantage

Même revueBusiness and Management ResearchMême sujetLaw, logistics, and international tradeTravaux en français237 207