Zastosowanie metody granicznej analizy danych do oceny efektywności gospodarowania w leśnictwie i przemyśle drzewnym
Notice bibliographique
Résumé
The paper presents the literature review concerning the general assumptions of the Data Envelopment Analysis (DEA) and its applications in forest management and wood industry evaluation. So far, efficiency evaluation in forestry sector was carried out using mostly the ratio analysis only. The DEA approach, which was developed in the 1970s, is based on the mathematical programming algorithm and gives more opportunities to analyze efficiency in forestry sector. We describe the main steps of DEA and possible options for the analysis. It also discusses the advantages and disadvantages of the method applications. We also present the most significant papers concerning DEA application in forest management and wood−based industry. As far as forest management is regarded, DEA was used for evaluating forest offices, administration and institutions and optimizing forestry operations performed by both private and state−owned companies. In case of wood−based industry, the method was used mostly for evaluating efficiency of sawmills and pulp mills. Most of the research in this field was carried out in the United States and Canada. DEA was applied to measure efficiency in forest management in Poland only recently, which should be considered as a good step towards improvement of research quality in this field in Poland and should provide comprehensive results of forest management efficiency evaluation. The method should be used more widely to evaluate efficiency of various aspects of forestry and wood−based industry in Poland.
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 | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,012 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».