MétaCan
Menu
Retour à la cohorte
Enregistrement W2594236441 · doi:10.3390/app7020180

Construction Industrialization in China: Current Profile and the Prediction

2017· article· en· W2594236441 sur OpenAlexaff
Yingbo Ji, Fadong Zhu, Hong Li, Mohamed Al‐Hussein

Notice bibliographique

RevueApplied Sciences · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Key Research and Development Program of ChinaMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésIndustrialisationChinaDelphi methodRegional scienceConstruction industryEconomic growthBusinessGeographyEngineeringPolitical scienceEconomicsConstruction engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The ongoing undertaking of construction industrialization in China is redefining the industry and creating a new era for building construction. In order to identify the construction industrialization status and progress, a national survey is conducted across 19 key provinces and municipalities in China. Based on the collected data, construction industrialization is analyzed from various perspectives: (1) the industrialized building floor area is profiled using maps with colours showing the different levels of construction industrialization in China as of 2014; and (2) structural types and building types are analyzed for industrialized construction, and it is found that reinforced concrete is the predominant structure type, accounting for 77.1% of total floor area of industrialized construction in 2014. The industrialization trends are also predicted for the following five years using Holt’s and Delphi method. This research reveals the status and the promising trends of construction industrialization in China.

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)0,001
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 enseignants0,066
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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

Citations55
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetSustainable Building Design and AssessmentTravaux en français237 207