Project management approaches and their selection in the digital age: Overview, challenges and decision models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital transformation is a challenge that also impacts the selection of tools for implementing projects. Which tools are suitable for handling complex digital twins? Project management must respond to this with suitable approaches. The challenge for decision-makers is to choose the right one. Based on literature research and a case study, influencing factors are derived and practice-relevant project management approaches are collected. Furthermore, a decision model is developed that, on the one hand, supports the decision-maker in selecting tools before and during the project, and on the other hand makes empirical values from past projects usable for future decisions. The results show that the number of influencing factors is large, and the approaches are di-verse. In complex projects, this can lead to complex decision-making situations that require appropriate decision models. The developed “Supervised Decision Model – L5” is based on five levels (L): (L1) Building a database; (L2) Derivation of algorithms; (L3) Initial approach selection; (L4) Review of the initial selection; (L5) Using experiences for future decisions. In practice it turns out that complex projects – like Digital Twins - often fail. Modified decision models for selecting suitable approaches should therefore take the following as-pects into account: (a) decision-makers are actively supported in the initial decision phase; (b) initial decisions once made are checked in the early phase of the project and corrected if necessary; (c) the lessons learned are recorded in the database as empirical value and used for future decisions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle