Review and analysis of augmented reality literature for construction industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Research has identified various beneficial capabilities for augmented reality technologies in the AEC industry such as virtual site visits, comparing as-built and as-planned status of projects, pre-empting schedule disputes, enhancing collaboration opportunities, and planning/training for similar projects. This paper provides an expanded foundation for future research by presenting a statistical review of augmented reality technology in the AEC industry. The review is based on articles found within eight well-known journals in architecture, engineering, construction, and facility management (AEC/FM) until the end of the year 2012. The review further narrows the literature within these journals by considering only those 133 articles found through a key word search for “augmented reality.” The selected journal articles are classified within the following dimensions: improvement focus, industry sector, target audience, project phase, stage of technology maturity, application area, comparison role, and technology. The number of articles within these dimensions are used to identify maturing and emerging trends in the literature as well as to synthesize the current state-of-the-art of augmented reality research in the AEC industry. In summary, the AR literature has increasingly focused on the demonstration of visualization and simulation applications for comparison of as-planned versus as-built statuses of the project during the construction phase to monitor project progress and address issues faced by field workers. In addition, the future trend is toward using web-based mobile augmented systems for field construction monitoring.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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