MétaCan
Menu
Retour à la cohorte
Enregistrement W2098019428 · doi:10.1061/9780784412329.069

Construction Research Data Management

2012· article· en· W2098019428 sur OpenAlexaff
Arash Shahi, Kaitlin S. Carlson, A. J. Antony Chettupuzha, Carl T. Haas, Jeffrey West, Burcu Akinci

Notice bibliographique

RevueConstruction Research Congress 2012 · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData sharingData managementWorkflowProcess (computing)Cloud computingData scienceData collectionKnowledge managementDatabase

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 are enforcing the scientific method and ethics. 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 proposed EPPMS is a web-based system, which utilizes workflows that can automate the collection, authorization, and dissemination of construction research data. A comparative analysis of the proposed 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)0,055
score de la tête « metaresearch » (Gemma)0,086
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,292

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,086
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0180,031
Études des sciences et des technologies0,0050,003
Communication savante0,0160,013
Science ouverte0,0060,011
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0250,017

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 Opus0,422
Tête enseignante GPT0,457
Écart entre enseignants0,036 · 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'étudeSans objet
DomaineReproductibilité
GenreMéthodes

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

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2012Même sujetBig Data and Business IntelligenceTravaux en français237 207