La notion de la valeur dans une démarche TRIZ pour la résolution de problème
Bibliographic record
Abstract
En ingénierie, la naissance d’une idée a comme intention la résolution d’un problème technique. Ainsi, l’idée suggère une solution technique. Dans ce contexte, l’utilisation de la méthodologie TRIZ tend à supporter la résolution de problème technique, notamment via les contradictions techniques et physiques des systèmes techniques. Cependant, l’idée implique aussi une notion de valeur qui est souvent ignorée ou gérée de manière inappropriée. Cet article se concentre sur deux axes et tend à les lier de manière fructueuse : - Le premier axe concerne la notion de la valeur qui est exprimée par des énoncés de proposition de valeur, ces derniers sont liés à l’idée pour créer des binômes idée-valeur. - Les idées font partie du deuxième axe qui englobe aussi la méthodologie TRIZ et un processus créatif. L’objectif est de démontrer l’influence de la notion de la valeur lors de l’évaluation d’importance des idées à des fins de sélection.
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 | 0.019 | 0.020 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.004 | 0.017 |
| Scholarly communication | 0.015 | 0.016 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.010 | 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".