MétaCan
Menu
Retour à la cohorte
Enregistrement W2078068035 · doi:10.1080/01446193.2013.825044

Understanding differences in construction project governance between developed and developing countries

2013· article· en· W2078068035 sur OpenAlexaff
Gonzalo Lizarralde, Stella Tomiyoshi, Mario Bourgault, Juan S. Malo, Georgia Cardosi

Notice bibliographique

RevueConstruction Management and Economics · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensPolytechnique MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésStructuringDeveloping countryCorporate governanceProject governanceOrder (exchange)BusinessKnowledge managementPublic relationsProcess managementPolitical scienceEconomic growthComputer scienceEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Whereas most experts recognize the substantial differences in the construction sector between developed and developing countries, very little is known about how and to what extent construction project governance actually differs between the two contexts. In order to shed light on these differences, a suitable definition of project governance must be adopted and identical variables must be assessed in developed and developing contexts. Three characteristics of temporary multi-organizations that conduct construction projects (used here as categories of analysis) help identify these differences: formal structuring, informal structuring, and the role and participation of stakeholders. Based on three case studies, a survey, and semi-directed interviews, significant differences are found in how power and authority are exercised (and leadership styles applied), in the use of informality and in the roles assumed by stakeholders. Although the analysis of such differences is often considered a diagnosis of problems to be ‘fixed’ in projects in developing countries, we believe that these differences should be read as project governance mechanisms of adaptation to different environmental conditions, and therefore key elements that need to be fully understood by professionals working in developing countries.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,218
Tête enseignante GPT0,307
Écart entre enseignants0,089 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Management and EconomicsMême sujetConstruction Project Management and PerformanceTravaux en français237 207