MétaCan
Menu
Retour à la cohorte
Enregistrement W2885119536 · doi:10.1061/9780784481271.040

Age Related Ethical Lapses in Construction Engineering Site Management Decisions

2018· article· en· W2885119536 sur OpenAlexaff
Dilan Badshah, Carl T. Haas

Notice bibliographique

RevueConstruction Research Congress 2018 · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)Construction industryConstruction managementSet (abstract data type)EngineeringKnowledge managementComputer scienceManagementEconomicsConstruction engineering

Résumé

récupéré en direct d'OpenAlex

Risk chasing can erroneously lead to suboptimal decisions. On construction sites, the pursuit of saving time and money can place construction managers in situations where ethics are involved. In today’s integrated construction sites, younger and more novice construction professionals are increasingly required to make quick decisions on vital matters. Although the impact of age on risk chasing has been thoroughly studied in the behavioral economics literature, a gap was identified in how age affects the propensity of ethical decision making with a key emphasis on construction sites. Based on this knowledge gap, an experiment was developed to compare two groups: (1) one hundred college engineering students with some limited project experience, and (2) forty-eight highly experienced construction leaders. Responses to a set of questions framing a situation common on typical construction sites are compared between the two groups. The findings suggest that the younger respondents are more likely to pursue options that, although they save the project money, are nonetheless unethical. The findings can be used by construction and engineering management professionals to help understand and characterize site decision making behavior, and to support the development of training tools to mitigate the costs associated with unethical and suboptimal decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,003
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,150
Tête enseignante GPT0,439
Écart entre enseignants0,289 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2018Même sujetConstruction Project Management and PerformanceTravaux en français237 207