Comparing better building design and operation to other corporate strategies for improving organizational productivity: a review and synthesis
Notice bibliographique
Résumé
‘Better buildings’ are intended to improve employee well-being and other important organizational productivity metrics, but such effects have been notoriously difficult to quantify convincingly. This paper uses new, multi-metric approaches to develop a framework for valuing these effects. The organizational productivity metrics considered are: absenteeism, employee turnover intent, self-assessed performance, job satisfaction, health and well-being, and complaints to the facilities manager. The effects of several ways of improving building design and operation (improved ventilation, enhanced lighting conditions, green building certification measures) are compared to the effects of other corporate strategies also employed with the intent of influencing employees to improve organizational productivity: office type (private vs open-plan), workplace health programs, bonuses, and flexible work options. Results were derived from a broad search and synthesis of published information from several disciplines: business, medicine, psychology, engineering, and facilities management. The scope was limited to studies conducted in real organizations in large office buildings, with a geographic focus on studies from North America, Europe, and Australia/New Zealand. In summary, better buildings strategies provided benefits on multiple organizational productivity metrics at levels similar to other corporate strategies. This supports greater consideration being given to better buildings strategies to improve organizational productivity beyond energy savings. In this paper, and for want of more primary research, the ‘better buildings’ category blends the effects of different improvements; this synthesis is proposed as a starting point to encourage more buildings research in this context, allowing future differentiation of the effects of specific interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».