MétaCan
Menu
Retour à la cohorte
Enregistrement W2804734141 · doi:10.1061/9780784481295.014

The USA PPP Payment Mechanisms: A Comparison to the Canadian PPP Systems

2018· article· en· W2804734141 sur OpenAlexaboutno aff
Luming Shang, Ahmed Abdel Aziz

Notice bibliographique

RevueConstruction Research Congress 2018 · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic-Private Partnership Projects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaymentBusinessTollPayment service providerActuarial scienceFinance

Résumé

récupéré en direct d'OpenAlex

Over the years, PPPs in the USA have used different types of payments to compensate project developers. In the past decades, the dominant type was toll payment. Availability payments started to gain more popularity with performance-based PPP contracts. Internationally, some other payment types are also used in PPPs, such as operation and maintenance payment, safety payment, satisfaction payment, and end of term payment. A payment mechanism is a package that includes a set of payment type(s), performance measures, performance specifications, and penalties for not meeting the specifications. Since PPP payment mechanisms, other than toll payments, is new in the USA, it is not clear whether payment mechanisms as used in the USA projects would be similar to those used in the PPP international market regarding the payment types, payment structure, performance measures and specifications, penalties, and deduction schemes. This research investigated the payment mechanisms in transportation PPP projects in the USA and Canada. Comparative and content analyses of project agreements are used as research methods. The findings show that PPP projects in the USA tend to have payment mechanisms of fewer payment types, less sophisticated payment calculations, and less complex deduction schemes. Public agencies would use the outcome of this research to revisit and improve the design of payment mechanisms of their PPP projects.

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)0,005
score de la tête « metaresearch » (Gemma)0,017
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,515

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,018
Études des sciences et des technologies0,0060,001
Communication savante0,0060,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,120
Tête enseignante GPT0,363
Écart entre enseignants0,243 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2018Même sujetPublic-Private Partnership ProjectsTravaux en français237 207