The Best of Both Worlds: Machine Learning and Behavioral Science in Operations Management

计算机科学 管理科学 行为运筹学 工作(物理) 航程(航空) 人工智能 知识管理 数据科学 经济 工程类 机械工程 航空航天工程
作者
Andrew M. Davis,Shawn Mankad,Charles J. Corbett,Elena Katok
出处
期刊:Manufacturing & Service Operations Management [Institute for Operations Research and the Management Sciences]
卷期号:26 (5): 1605-1621
标识
DOI:10.1287/msom.2022.0553
摘要

Problem definition: Two disciplines increasingly applied in operations management (OM) are machine learning (ML) and behavioral science (BSci). Rather than treating these as mutually exclusive fields, we discuss how they can work as complements to solve important OM problems. Methodology/results: We illustrate how ML and BSci enhance one another in non-OM domains before detailing how each step of their respective research processes can benefit the other in OM settings. We then conclude by proposing a framework to help identify how ML and BSci can jointly contribute to OM problems. Managerial implications: Overall, we aim to explore how the integration of ML and BSci can enable researchers to solve a wide range of problems within OM, allowing future research to generate valuable insights for managers, companies, and society.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ww发布了新的文献求助30
刚刚
2秒前
cube发布了新的文献求助10
2秒前
bkagyin应助辰星采纳,获得10
4秒前
已知中的未知关注了科研通微信公众号
4秒前
大模型应助高高白曼舞采纳,获得10
4秒前
sandra发布了新的文献求助10
5秒前
6秒前
orixero应助阳光静蕾采纳,获得10
6秒前
青鸟飞鱼完成签到,获得积分10
7秒前
Evooolet发布了新的文献求助10
7秒前
科研通AI2S应助flyoverstack采纳,获得10
7秒前
倦梦还完成签到 ,获得积分10
9秒前
酷波er应助狂野绿竹采纳,获得10
10秒前
12秒前
12秒前
13秒前
CodeCraft应助ww采纳,获得50
14秒前
14秒前
kk关闭了kk文献求助
14秒前
Evooolet完成签到,获得积分10
15秒前
HEIKU应助Ahha采纳,获得10
15秒前
cube完成签到,获得积分10
15秒前
懦弱的如蓉完成签到,获得积分10
15秒前
冷傲芷雪完成签到 ,获得积分10
15秒前
小丘2024发布了新的文献求助10
16秒前
LD发布了新的文献求助10
17秒前
程程程完成签到,获得积分10
17秒前
深情安青应助尊敬曼岚采纳,获得10
18秒前
儒雅的凡阳完成签到,获得积分10
18秒前
19秒前
liz_完成签到 ,获得积分10
19秒前
星辰大海应助wangzhao采纳,获得10
20秒前
21秒前
Liu完成签到 ,获得积分10
21秒前
21秒前
22秒前
瑾笙关注了科研通微信公众号
22秒前
25秒前
26秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
Case Research: The Case Writing Process 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142067
求助须知:如何正确求助?哪些是违规求助? 2793006
关于积分的说明 7805015
捐赠科研通 2449359
什么是DOI,文献DOI怎么找? 1303185
科研通“疑难数据库(出版商)”最低求助积分说明 626807
版权声明 601291