MétaCan
Menu
Retour à la cohorte
Enregistrement W2144411460 · doi:10.1139/l2012-053

Generational differences on craft workers’ perceptions of the factors affecting labour productivity<sup>1</sup>This paper is one of a selection of papers in this Special Issue on Construction Engineering and Management.

2012· article· en· W2144411460 sur OpenAlexvenueno aff
Jiukun Dai, Paul M. Goodrum

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCraftProductivityWorkforceBaby boomersEconomic shortageLabour economicsEngineeringLayoffBusinessEconomicsOperations managementEconomic growthUnemploymentGovernment (linguistics)Geography

Résumé

récupéré en direct d'OpenAlex

Although the current economic downturn has eased the stress of broad skilled labour shortages, it is reasonable to believe that the shortage will return when the U.S. economy rebounds. The shortage could become more substantial because the U.S. construction industry is poised to make a significant demographic shift with Baby Boomer workers approaching retirement and Generation Y workers joining the workforce. This paper investigates how different generations of craft workers perceive the factors affecting labour productivity. The data was collected through a survey of 1996 craft workers on 28 U.S. construction sites in 2004 and 2005. The analysis results reveal that: (1) Generation Y, Generation X, and Baby Boomers actually have consensus on the relative impact of productivity factors; and (2) significant differences were also observed on individual productivity factors and the primary differences among the generations were associated with tools and consumables, labour, engineering drawing management, and project policy.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,241
Écart entre enseignants0,219 · 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

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetResource-Constrained Project SchedulingTravaux en français237 207