A Framework for Improving Business and Technical Operations within Timber Frame Self-Build Housing Sector by Applying an Integrated VR/AR and BIM Approach
Notice bibliographique
Résumé
Timber Frame Self-Build Housing Sector (TFSBS), accounts only to 7-10% of the UK’s housing construction market. This figure is significantly higher in some other contexts, e.g. 80% in Austria, 60% in Canada and 50% in the USA. With the government’s policies stepping in to encourage selfbuilding, it is essential for the companies to increase their competitiveness providing an efficient workflow and clear communication with the clients by using the latest digital technologies. End-users, who make buying decisions to self-build, often have little or no knowledge of the construction industry. Therefore, they face significant challenges in communication with professionals in terms of spatial awareness, ability to visualise technical drawings and understanding the construction process. For many architectural and construction practices in the UK’s TFSBS, the primary communication medium with clients is email. This results in an increased number of the iterations per each project lifecycle, leading to difficulties in interoperability among designers, manufacturers and builders. Virtual and Augmented Reality (VR and AR) technologies are widely acknowledged as aids for clients and professionals in a more productive interaction. Game technologies have also been recognised to be effective in resolving problems in science and business. However, designing data-rich Virtual Reality Environments (VREs) that would enhance clients’ spatial understanding from the solution spaces, simplify architect-client business/marketing communications, provide parametric customisation options, consolidate quantification, support interoperability, and leverage integration across the whole BIM process are still outstanding challenges. Business and technical key performance indicators, as well as conceptual and methodological frameworks, are developed for adopting BIM principles and emerging game-like VR and AR technologies to support TFSBS within the UK housing industry in Business and Technical Operations. This paper concludes with technical recommendations for the development of a proof of concept prototype to support the aim as mentioned above.
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 | 0,019 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,017 | 0,013 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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.
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 ».