MétaCan
Menu
Retour à la cohorte
Enregistrement W2121559656 · doi:10.1139/l2012-052

Facilitating team decision-making through reimbursable contracting strategies<sup>1</sup>This paper is one of a selection of papers in this Special Issue on Construction Engineering and Management.

2012· article· en· W2121559656 sur OpenAlexvenueno aff
Cindy L. Menches, Juan Chen

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTeamworkSkepticismRisk managementCompensation (psychology)Risk analysis (engineering)Selection (genetic algorithm)EngineeringKnowledge managementProcess managementOperations managementBusinessEngineering managementComputer scienceEconomicsManagementFinance

Résumé

récupéré en direct d'OpenAlex

Efforts to break down decision-making silos in the architecture, engineering, and construction (AEC) industry have resulted in the evolution of integrated project delivery (IPD). IPD brings together participants to make decisions early in the project cycle. But, anecdotal evidence indicates that IPD is not being implemented as effectively as envisioned. One potential barrier to implementation is the multi-party risk and reward agreement that is a hallmark of IPD. Many owners may be statutorily prohibited from entering into such a risk-sharing contractual arrangement, and countless other organizations “remain skeptical of its practicality.” However, recent case study research established an important link between reimbursable contracting strategies and greater collaboration and information-sharing among parties. The researchers found that more traditional contracting approaches, when combined with a cost reimbursable compensation structure, achieved positive outcomes by properly allocating risk, fostering teamwork, and bringing together diverse experts to address challenging design problems, thus providing a viable alternative to shared risk and reward approaches.

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)0,015
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0050,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,019
Tête enseignante GPT0,266
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.

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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetConstruction Project Management and PerformanceTravaux en français237 207