MétaCan
Menu
Retour à la cohorte
Enregistrement W2168513314 · doi:10.1061/40754(183)31

State-of-the-Art Review of Construction Performance Models and Factors

2005· article· en· W2168513314 sur OpenAlexaff
Tanaya Korde, Mingen Li, Alan D. Russell

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSchema (genetic algorithms)Computer scienceScope (computer science)Project managementManagement scienceKnowledge managementData scienceEngineeringSystems engineeringInformation retrieval

Résumé

récupéré en direct d'OpenAlex

Measuring and assessing construction project performance on an ongoing basis is an important part of management and control of a project. Described in this paper is the current state-of-the-art of research on prediction and explanation of construction project performance gleaned through an extensive literature search that identified 122 relevant articles published over the last 20 years. This review was carried out in support of an ongoing research program that seeks to embed within a decision support system a transparent reasoning schema that operates on fundamental relationships amongst influencing factors as well as user-defined, experience-based hypotheses for explaining project performance. Findings from the review are presented in two tables that identify performance measures treated (productivity, time, cost, scope, quality, safety, project success and others), level of analysis (overall project, work package, individual activity), and factors that affect performance outcomes. The paper concludes with a discussion of the findings in terms of areas of consensus, knowledge gaps, and steps to be pursued to develop a robust and practical schema for interpreting project data in order to explain the basis for performance to date.

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)0,018
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,055
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0180,023
Études des sciences et des technologies0,0010,001
Communication savante0,0070,005
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,082
Tête enseignante GPT0,334
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConstruction Project Management and PerformanceTravaux en français237 207