MétaCan
Menu
Retour à la cohorte
Enregistrement W4412822424 · doi:10.1504/ijwi.2025.147772

Unravelling the project escalation enigma: optimising principal-agent dynamics in IT project management

2025· article· en· W4412822424 sur OpenAlexaff
Saida Harguem, Karim Ben Boubaker, Said Baadel

Notice bibliographique

RevueInternational Journal of Work Innovation · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensMount Royal UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPrincipal (computer security)De-escalationDynamics (music)Process managementProject managementComputer scienceOperations researchEngineering managementManagement scienceKnowledge managementOperations managementBusinessEngineeringSystems engineeringPolitical scienceSociologyComputer security

Résumé

récupéré en direct d'OpenAlex

To enhance project success, researchers have tirelessly explored the perplexing phenomenon of project escalation and its detrimental impact on budgets. However, a crucial void remains - the lack of actionable solutions to combat and avert project escalation. This paper seeks to fill the gap by adopting a fresh and innovative approach: applying the agency theory. This research identifies the root causes of project escalation and unveils a new approach to overcome this daunting challenge. The cornerstone of this research lies in establishing an optimal mathematical function and meticulously defining start and stop conditions. Project managers can forecast and exercise control over escalation risks through an ex-ante approach. Such foresight gives project stakeholders the knowledge to discern the opportune moment for project launch and, equally crucial, the conditions that demand immediate cessation to avert the perilous grip of escalation, thereby significantly mitigating risks.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0050,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,341
Écart entre enseignants0,276 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Work InnovationMême sujetBig Data and Business IntelligenceTravaux en français237 207