Analyzing vehicle-sharing challenges in disaster relief operations using the fuzzy DEMATEL method
Notice bibliographique
Résumé
Purpose Humanitarian organizations (HOs) continue to lag in adopting the benefits of vehicle-sharing during relief operations. A detailed understanding of how different vehicle-sharing challenges interact and affect each other is crucial for identifying key leverage points, and prioritizing actions. Design/methodology/approach This study employs the Decision-Making Trial and Evaluation Laboratory (DEMATEL) method by contacting officials from HOs. The DEMATEL method provides a visual representation of causal relationships among selected vehicle-sharing challenges. This study focuses on Bangladesh, a nation that faces hazards, rendering it one of the most disaster-prone countries globally. Findings The study uncovers intricate interconnections among key challenges related to vehicle sharing. Notably, it identifies government incentives as the most influential factor impacting other challenges. For example, enhancing government support can diminish top management’s reluctance by highlighting leadership-building programs, thereby fostering a more collaborative environment. This implies that addressing certain challenges can lead to improvements in others. In another instance, compliance standards cannot be flexible until issues of corruption and unethical behavior are addressed. Research limitations/implications By uncovering these interrelationships among vehicle-sharing challenges, the study provides a framework for prioritizing efforts towards fostering interorganizational collaboration. Practical implications By addressing these interconnected challenges, the findings aim to create a more robust vehicle-sharing system in Bangladesh. Solving one challenge often leads to progress in other areas, showing the importance of a holistic and integrated approach to policy-making decisions. Originality/value This study constitutes the second empirical exploration within the sparse literature on vehicle-sharing during relief operations. Sharing of assets is becoming a key concern among HOs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».