MétaCan
Menu
Retour à la cohorte
Enregistrement W4388585111 · doi:10.22624/aims/digital/v11n3p4

Dynamics of a Decision Support System for Online Tendering

2023· article· en· W4388585111 sur OpenAlexaff
Julian I. Consul, R. Japheth Bunakiye

Notice bibliographique

RevueAdvances in Multidisciplinary & Scientific Research Journal Publication · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésProcurementDecision support systemUnified Modeling LanguageComputer scienceWork (physics)Process (computing)Process managementSystems engineeringKnowledge managementEngineeringBusinessSoftwareData mining

Résumé

récupéré en direct d'OpenAlex

In other to maximize the full potentials of information technology, both private and public establishments have been increasingly exploring and migrating manual processes into automated processes and the tendering system is not left out in these innovative migrations. This project work is aimed at developing an enhanced decision support system for online tendering which has helped to speed up decision making processes that improve the efficiency of the online tendering process. The specific objectives of this research work are to; Examine the current decision support system for the online tendering, design an enhanced decision support model for commercial bid evaluation in online tendering, Implement the enhanced decision support model for the online tendering and to evaluate the developed enhanced decision support model for the online tendering. The Object-Oriented Analysis and Design method has been used in the development of this project work with the unified modeling language (UML) diagrams used to explain the workability of the various objects of the system. All the modules of the developed system have worked according to specifications and design, and the system performed excellently well. The system has enhanced significantly the time taken to analyze and make decision cutting down cost of printing. Keywords: Decision Analysis, Data Integrity, Evaluation Model, Efficiency Levels, Technological Improvement, Managerial Processes

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)0,008
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,872
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,006
Science ouverte0,0010,001
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 Opus0,140
Tête enseignante GPT0,438
Écart entre enseignants0,298 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Multidisciplinary & Scientific Research Journal PublicationMême sujetBig Data and Business IntelligenceTravaux en français237 207