Linguistic analysis of efficiency using fuzzy system theory and data envelopment analysis
Notice bibliographique
Résumé
Linguistic Analysis of Efficiency (LAE) is a new theoretical development in the domain of efficiency analysis that brings together the elements of performance evaluation with the elements of benchmarking. In organizational practice, LAE is a visually appealing tool, which, based on comparative efficiency evaluation, assists in choosing the best path for improving productivity while at the same time promotes organizational learning. LAE has been built upon two important theories in today's scientific community—Data Envelopment Analysis (DEA) initiated by Charnes et al. [Char78] and Fuzzy System Theory (FST) originated by Zadeh [Zade65]. Combining the two theories, LAE model produces an easy to understand set of natural language rules that describes the shape and characteristics of the standard DEA production space and its efficiency frontier. Once created, these rules then can be easily translated into various forms of informative charts showing the paths toward improving efficiency. LAE thus removes the complexity and abstractness of the DEA process making it more transparent to not only the analyst, but, more importantly, to the decision making unit's (DMUs) manager or the new DMUs that may be created. Hence, LAE allows the analyst to interact with (and better understand) the inner workings of DEA, opening the door to new insight for DMUs wishing to improve efficiency and providing, for the first time, a map for new DMUs to follow when starting out.
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 | 0,031 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,014 | 0,051 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».