Key Factors Affecting Construction Organizations' Acceptance of BIM: A Comparative Study
Notice bibliographique
Résumé
Governments and clients expect contractors to utilise BIM for construction and maintenance purposes at higher level of details. However, the process of BIM implementation is not as quick as it was expected and looks some contractors have not used BIM at all, or do not use it for some of projects. This justifies an urgent study on the process of BIM adoption to identify drivers and key factors influencing the contractorsäó» decision. Many studies focus on exploring BIM advances, its applications and individual matters of BIM acceptance. However, less effort has been made to investigate the impacts of organizationsäó» intention considering BIM performance value and their support for BIM implementation. Therefore, this study aims to identify factors that affect the BIM adoption process at the organization level regarding perceived needs, organizational support and ease of operation. Quantitative and qualitative information are collected through survey and face-to-face interview in Chinese and Australian construction organizations. Structural equation modelling analysis is used to quantify the relationships between influential factors and organizationäó»s intention towards BIM utilization. Analysis results indicate that äóÖBIM Awarenessäó», äóÖPerceived Needsäó», äóÖOrganizational Supportäó», and äóÖDown Timeäó» are four critical factors influencing BIM acceptance in Chinese and Australian construction organizations. Moreover, this study provides an insight of BIM adoption challenges in Chinese and Australian construction industries.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».