Bibliographic record
Abstract
Si bien existen anteriores investigaciones que ponen de evidencia la existencia de relación entre la Selección de Proveedores y la Mejora de Procesos de Negocio (Business Process Improvement - BPI), estas dan poca información acerca del nivel de la misma. La presente Tesis contribuye al cuerpo de conocimientos en ambos campos, mediante la identificación y examen de las relaciones existentes entre los dos tópicos a partir del modelo conceptual desarrollado, el cual explica dichas interrelaciones, y mediante la aportación de los resultados del estudio empírico del modelo, a diferentes niveles operativos, realizado sobre una muestra de grandes empresas que operan en diferentes sectores industriales de Londres (Reino Unido). En general, los datos confirman el modelo de investigación propuesto. Los resultados del estudio demuestran que niveles más altos de Calidad, Servicio, Organización y Relación así como niveles más bajos de Tiempo de Ciclo de los Proveedores contribuyen significativamente a los proceso de negocio de Iniciativa de Mejora y Enfoque al Cliente del Comprador. Además, se deduce también que los factores de Selección de Proveedores, Relación y Tiempo de Ciclo, tienen más impacto sobre un Comprador que tenga un enfoque a Iniciativa de Mejora; y que Organización y Tiempo de Ciclo son factores que tienen más relación con el Enfoque al Cliente del Comprador que otras variables de Selección de Proveedores. En el desarrollo de la Tesis, empezamos revisando la literatura relevante y desarrollando el modelo de investigación conceptual. Describimos los factores claves de Selección de Proveedor y de la Mejora de Procesos de Negocio (BPI), profundizamos en las interrelaciones entre estas variables y planteamos una serie de hipótesis testeables sobre dichas relaciones. A continuación, discutimos cuestiones metodológicas relativas al desarrollo y validación de la medida de los constructos así como sobre la recogida de datos y procedimientos de análisis. Seguidamente, presentamos y discutimos los resultados de nuestros tests que implican modelos de regresión lineal; y concluimos considerando las implicaciones de la Tesis en la investigación y en la "práctica" de la Selección de Proveedores y BPI, y proporcionando también líneas de investigación futura en el campo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".