論文の概要: A Brief Discussion on KPI Development in Public Administration

• arxiv url: http://arxiv.org/abs/2412.09142v1
• Date: Thu, 12 Dec 2024 10:27:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 13:31:43.134342
• Title: A Brief Discussion on KPI Development in Public Administration
• Title（参考訳）: 行政におけるKPI開発についての一考察
• Authors: Simona Fioretto, Elio Masciari, Enea Vincenzo Napolitano,
• Abstract要約: 本稿では,ランダムフォレストアルゴリズムと変数重要度解析を利用して,性能評価システム内に構築する革新的なフレームワークを提案する。 提案したアプローチでは,PAのパフォーマンスに大きく影響する重要な変数を特定し,組織の成功を導く重要な要因に関する貴重な洞察を提供する。 本研究は,機械学習技術の適用によるPAパフォーマンスの向上を目標とし,よりアジャイルで結果駆動型のアプローチを公共行政に導入することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Efficient and effective service delivery in Public Administration (PA) relies on the development and utilization of key performance indicators (KPIs) for evaluating and measuring performance. This paper presents an innovative framework for KPI construction within performance evaluation systems, leveraging Random Forest algorithms and variable importance analysis. The proposed approach identifies key variables that significantly influence PA performance, offering valuable insights into the critical factors driving organizational success. By integrating variable importance analysis with expert consultation, relevant KPIs can be systematically developed, ensuring that improvement strategies address performance-critical areas. The framework incorporates continuous monitoring mechanisms and adaptive phases to refine KPIs in response to evolving administrative needs. This study aims to enhance PA performance through the application of machine learning techniques, fostering a more agile and results-driven approach to public administration.
• Abstract（参考訳）: PA(Public Administration)における効率的な効果的なサービス提供は、パフォーマンスの評価と測定のためのキーパフォーマンス指標(KPI)の開発と利用に依存している。 本稿では,ランダムフォレストアルゴリズムと変数重要度解析を応用した,性能評価システムにおけるKPI構築のための革新的なフレームワークを提案する。 提案したアプローチでは,PAのパフォーマンスに大きく影響する重要な変数を特定し,組織の成功を導く重要な要因に関する貴重な洞察を提供する。 変数重要度分析と専門家の相談を統合することで、KPIを体系的に開発し、改善戦略がパフォーマンスクリティカルな領域に対処することを保証できる。 このフレームワークには継続的監視機構と適応フェーズが組み込まれており、管理上のニーズの進展に応じてKPIを洗練させる。 本研究は,機械学習技術の適用によるPAパフォーマンスの向上を目標とし,よりアジャイルで結果駆動型のアプローチを公共行政に導入することを目的とする。

関連論文リスト

• Unveiling and Consulting Core Experts in Retrieval-Augmented MoE-based LLMs [64.9693406713216]
  RAGシステムの有効性に寄与する内部メカニズムは未解明のままである。 実験の結果,複数のコアグループの専門家がRAG関連行動に主に関与していることが判明した。 本稿では,専門家の活性化を通じてRAGの効率性と有効性を高めるためのいくつかの戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-20T16:08:54Z)
• HiDe-PET: Continual Learning via Hierarchical Decomposition of Parameter-Efficient Tuning [55.88910947643436]
  予備学習モデル(PTM)とパラメータ効率チューニング(PET)を組み合わせた連続学習(CL)統合フレームワークを提案する。 タスク固有知識とタスク共有知識を取り入れることで目的を明示的に最適化する革新的な手法である階層分解PET(HiDe-PET)を提案する。 提案手法は,近年の強いベースラインの幅広いスペクトルに対して,極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-07T01:50:25Z)
• Auto-configuring Exploration-Exploitation Tradeoff in Evolutionary Computation via Deep Reinforcement Learning [14.217528205889296]
  進化計算(EC)アルゴリズムは、個人のグループを利用して最適解を協調的に探索する。 本稿では,ECサーチプロセスを通じて,調査トレードオフ(EET)を自律的に設定し,適応する深層強化学習ベースのフレームワークを提案する。 提案するフレームワークは,その単純さ,有効性,一般化性を特徴とし,多数の既存ECアルゴリズムを拡張できる可能性を秘めている。
  論文  参考訳（メタデータ） (2024-04-12T04:48:32Z)
• Attention-Driven Multi-Agent Reinforcement Learning: Enhancing Decisions with Expertise-Informed Tasks [1.7689232761699216]
  我々は,MARL(Multi-Agent Reinforcement Learning)の強化のための代替手法を提案する。 本手法は,ドメイン固有の専門知識を学習プロセスに組み込むことに重点を置いている。 注意に基づくアプローチが,MARLトレーニングプロセスの効率化に有効であることを示す。
  論文  参考訳（メタデータ） (2024-04-08T20:06:33Z)
• LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
  戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。 大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。 戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• Analyzing Operator States and the Impact of AI-Enhanced Decision Support in Control Rooms: A Human-in-the-Loop Specialized Reinforcement Learning Framework for Intervention Strategies [0.9378955659006951]
  複雑な産業・化学プロセス制御室では、安全性と効率性に効果的な意思決定が不可欠である。 本稿では,AIに基づく意思決定支援システムが人間と機械のインタフェース改善に取り入れた影響と応用について検討する。
  論文  参考訳（メタデータ） (2024-02-20T18:31:27Z)
• A conceptual framework for SPI evaluation [6.973622134568803]
  SPI-MEFは、評価のスコーピング、測定、評価の実行において実践者を導く。 SPI-MEFはプロセス改善の具体的なアプローチを前提とせず、既存の測定プログラムに統合できる。
  論文  参考訳（メタデータ） (2023-07-24T19:22:58Z)
• PerfDetectiveAI -- Performance Gap Analysis and Recommendation in Software Applications [0.0]
  本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。 現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
  論文  参考訳（メタデータ） (2023-06-11T02:53:04Z)
• ASR: Attention-alike Structural Re-parameterization [53.019657810468026]
  本稿では,アテンション機構の有効性を享受しながら,与えられたネットワークに対してSRPを実現するための,シンプルなアテンション型構造的再パラメータ化(ASR)を提案する。 本稿では,統計的観点から広範囲にわたる実験を行い,Stripe Observationという興味深い現象を発見し,チャネル注意値が訓練中に一定のベクトルに素早く接近することを明らかにする。
  論文  参考訳（メタデータ） (2023-04-13T08:52:34Z)
• Structure-Enhanced Deep Reinforcement Learning for Optimal Transmission Scheduling [47.29474858956844]
  マルチセンサリモート推定システムの最適スケジューリングのための構造強化型深部強化学習フレームワークを開発した。 特に,政策構造に従う行動を選択する傾向にある構造強化行動選択法を提案する。 数値計算の結果,提案したDRLアルゴリズムはトレーニング時間を50%削減し,遠隔推定MSEを10%から25%削減できることがわかった。
  論文  参考訳（メタデータ） (2022-11-20T00:13:35Z)
• Implementation Matters in Deep Policy Gradients: A Case Study on PPO and TRPO [90.90009491366273]
  本稿では,2つの一般的なアルゴリズムのケーススタディにより,ディープポリシー勾配アルゴリズムにおけるアルゴリズムの進歩のルーツについて検討する。 具体的には,「コードレベルの最適化」の結果について検討する。 以上の結果から, (a) TRPOに対するPPOの累積報酬のほとんどを担っていることが示され, (b) RL メソッドの動作方法が根本的に変化していることが示唆された。
  論文  参考訳（メタデータ） (2020-05-25T16:24:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。