MétaCan
Menu
Retour à la cohorte
Enregistrement W1978242248 · doi:10.1061/(asce)cp.1943-5487.0000251

Workflow-Based Construction Research Data Management and Dissemination

2012· article· en· W1978242248 sur OpenAlexaff
Arash Shahi, Carl T. Haas, Jeffrey West, Burcu Akinci

Notice bibliographique

RevueJournal of Computing in Civil Engineering · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHeriot-Watt University
Mots-clésData sharingWorkflowComputer scienceData managementCloud computingProcess (computing)Data collectionKnowledge managementData scienceEngineering managementDatabaseEngineering

Résumé

récupéré en direct d'OpenAlex

Sharing research data is necessary for collaboration within a research network and is required by funding agencies, such as the National Science Foundation (NSF), that enforce the scientific method and ethics associated with data management and sharing. However, methods and infrastructure for supporting construction research data management are currently underdeveloped; emphasizing the need for developing effective and efficient means for managing and sharing research data. A review of existing data management models reveals that there is currently no effective universal system for sharing the data obtained from construction research endeavours. This paper presents electronic product and process management systems (EPPMS) as a construction research data management and sharing approach. The developed EPPMS is a web-based system that utilizes workflows that can automate the collection, authorization, and dissemination of construction research data. A comparative analysis of the developed system to the existing web-based cloud and web-based share point systems indicates that an EPPMS offers a more fitting solution for construction research data management.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0030,002
Communication savante0,0080,007
Science ouverte0,0040,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,343
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computing in Civil EngineeringMême sujetBig Data and Business IntelligenceTravaux en français237 207