Notice bibliographique
Résumé
Recent audit reports by the Auditor General noted the potential impact to Canadian Armed Forces readiness due to sub optimal Defence Supply Chain performance. To identify the root cause of performance deficiencies and assess the adequacy of existing training, a systematic approach was employed to identify the knowledge and skills required by each Supply Chain role to perform their share of tasks across 39 Processes. Based on the Department of National Defence Supply Administration Manual (SAM), the project team mapped Processes and Tasks to all applicable Supply Chain Phases. Processes and Tasks were also mapped to each role and the training priority was determined based on Difficulty, Importance and Frequency (DIF) analysis. We then mapped topics/teaching points from relevant course to existing processes and Tasks; and generated a list of processes and Tasks with “adequate”, “limited” or “no” curriculum to support the acquisition of requisite knowledge and skills for each role. The analysis revealed: • All roles contribute heavily to the overall success of the Supply Chain in an integrated work environment – necessitating an understanding of the impact of their work on others. • Developing curriculum incrementally over the years based on specific, sometimes narrow needs/performance and without a comprehensive map as outlined above yielded inefficient learning solutions. • Developing role-based solutions in parallel with process-based curriculum resulted in gaps and duplication of effort. This paper reaffirms the need for “getting back to basics”. A thorough analysis and mapping of actual work/role requirements based on an authoritative reference, using a systematic process enabled by a leading-edge Training Management System, will provide a robust analysis framework. Training gaps and overlaps will become evident, and a blueprint for a comprehensive re-organization of the curriculum will naturally emerge.
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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».