Challenges of Implementing Infrastructure Megaprojects through Public-Private Partnerships in Nigeria: A Case Study of Road Infrastructure
Notice bibliographique
Résumé
Nigeria’s infrastructure deficit, especially in transport sector is appalling. This triggered the Lagos state government to start addressing its infrastructure deficit through PPPs. The purpose of this paper is to identify the challenges at both development phase and implementation (construction) phase of PPP road infrastructure megaproject, and identify the critical success factors that \nactually made the project successful. The paper adopted case study approach within a mixed method paradigm employed to collect data. Semi structured interviews were used to collect data from the participants involved in the case study with a view to identifying the challenges and success \nfactors. The identified challenges and success factors were incorporated into the questionnaire survey administered to the participants involved in the development and implementation stages of the case study. Data collected were analysed using descriptive and inferential statistics. The results of the Relative Significant Index ranking indicate that perceptions of Nigeria as a high risk economy by foreign investors, bureaucratic nature of the state government, schedule delay by administrative procedures, threat of expropriation and reluctance to tender/bid, and \npublic/political opposition are the most highly ranked challenges experienced at development phase. The paper further identified unexpected increased quantity, bottleneck in securing execution of the federal government support agreement, resistance by residents, and problem of access to the right-of-way as the most ranked challenges witnessed at implementation (construction) phase. The \nresults of factor analysis grouped the identified twenty two challenges into seven major factors at development phase, and grouped twelve identified challenges into four principal factors at implementation phase. The paper further identified four critical success factors using factor analysis that made the PPP project successful. These include enabling legislation with due diligence, strong commitment of both public and private sectors, strong financial package, and enabling environment and allocation of risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».