BIM maturity assessment and certification in construction project team selection
Notice bibliographique
Résumé
Part of the 5th International/11th Construction Specialty Conference (ICSC 15). To implement BIM in a construction project successfully, all the project participants as BIM users must have minimum BIM capabilities. Before any project starts, assessing BIM capabilities of project stakeholders is a concern for construction clients. The main problem of public clients regarding BIM is that they have no mechanism to ensure that the key participants, they hire for a BIM project, have the minimum capabilities (i.e. BIM Infrastructure, processes and qualified resources) to participate in design and delivery of the project. The high variability of firms’ readiness to work with BIM may impose a high cost for the client and other mature members of the supply chain. Therefore, construction clients need a way to ensure minimum BIM maturity of participants, such as a maturity audit to assess BIM competency of potential project team members. From a client’s perspective, “minimum BIM qualification” means “minimum capability to use BIM”. The current BIM maturity models try to assess BIM capabilities level of firms, but lack BIM uses assessment. This research proposes a prototype that focuses on capability of firms in specific BIM uses, while measuring their general BIM capabilities. The research methodology is based on an iterative literature review followed by focus group discussions. Through literature review, the researchers propose BIM platform maturity model. Then, BIM experts discuss on possible improvements. It is expected that by using this model, construction clients may achieve more BIM benefits, i.e. reduced cost, time, and increased quality of project, through selection of BIM-qualified project team members.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».