Bid Evaluation for Major Construction Projects Under Large-Scale Group Decision-Making Environment and Characterized Expertise Levels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rapid growth and development of civil engineering in recent years inspire building enterprises to concentrate on construction contractor selection for achieving more construction quality and lower construction cost.The existing studies generally regard the process of selecting the best contractor as a multi-criteria group decision making problem.Few research studies addressed the contractor selection problem in the context of large-scale group decision making, which is common in practical scenarios in terms of major construction projects as a number of experts with diverse backgrounds are usually involved.On this basis, we establish a contractor selection framework under large-scale group decision making environment, which covers expert classification, consensus reaching process, collective decision matrix generation, and the ranking-oriented decision making method.We cluster expert group with K-means clustering method based on expertise levels, which are depicted by six features generated with an expertise identification approach.The consensus model manages consensus reaching process from both intra-and interlayers and takes into account the interactions between them.After reaching agreements among experts, this paper utilizes the concept of proportional hesitant fuzzy linguistic term set to assemble intra-subgroup assessments for the reduction of information loss or distortion.Then, an aggregation process carries on as to gather subgroup assessments in which the subgroup weights are derived from their cluster centers and sizes in the use of the TOPSIS method.Finally, the well-established decision making tool integrating qualitative and quantitative criteria, ELECTRE III, is adapted to elicit the ranking of bidders.An illustrative study and a comparative analysis are performed to demonstrate the feasibility and effectiveness of the established multi-criteria group decision making approach.
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.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 découle