MétaCan
Menu
Retour à la cohorte
Enregistrement W2179480323 · doi:10.26687/archnet-ijar.v9i3.703

Key Success Factors and Guidance for International Collaborative Design Projects

2015· article· en· W2179480323 sur OpenAlexaboutno aff
Robby Soetanto, Mark Childs, Paul S. H. Poh, Stephen Austin, Jacqueline Glass, Zulfikar Adamu, Chinwe Isiadinso, Harry Tolley, Helen Mackenzie

Notice bibliographique

RevueInternational Journal of Architectural Research Archnet-IJAR · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationProcess (computing)Knowledge managementKey (lock)Tacit knowledgeCritical success factorEngineeringBusinessPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

In the built environment (BE) sector, the co-creation process of design demands understanding of requirements (as viewed by parties involved), mobilisation of tacit knowledge, negotiation, and complex exchange of information. The need to collaborate over distance has further exacerbated the complexity of the process, and, in itself, represents a significant challenge for BE professionals who are increasingly expected to undertake this process within globally distributed virtual teams. The research aims to identify key success factors and develop guidance for international collaborative design projects, via the implementation of collaborative design courses in UK and Canadian universities over three academic years. Questionnaire surveys, focus groups, observation of online meetings, personal reflections provided data for the analysis. The findings reveal the significance of the perceived risk of collaboration and a difference in preferred communication mode between architects and civil/structural engineers. These findings suggest the impact of training in the subject discipline, and that the opportunity for co-located working has helped the development of trust. The guidance is aimed at BE educators who wish to implement this activity in their courses.

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)0,020
score de la tête « metaresearch » (Gemma)0,107
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: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,107
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,002
Communication savante0,0070,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
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 Opus0,148
Tête enseignante GPT0,419
Écart entre enseignants0,270 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Architectural Research Archnet-IJARMême sujetDesign Education and PracticeTravaux en français237 207