MétaCan
Menu
Retour à la cohorte
Enregistrement W3185524470

Litigation management process in construction industry

2021· preprint· en· W3185524470 sur OpenAlexaboutno aff
Marine Echternach--Jaubert, Robert Pellerin, Laurent Joblot

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2021
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationProcess (computing)PlaintiffDispute resolutionBusinessOrder (exchange)DeliverableStandardizationProcurementLiabilityConstruction contractContract managementProcess managementComputer scienceLawAccountingPolitical scienceEconomicsFinanceMarketingManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For an Engineering, Procurement and Construction Management contract, collaboration between the different actors is essential from the very beginning of the project to consider all the constraints. Working upstream reduces the occurrence of problems that could lead to claims. As long as trust and dialogue are present, disputes can be settled by agreement, but if dialogue is cut off, the negotiation phases are over. The solution is then to move to alternative dispute resolution methods involving outside third-party mediator. If, despite this, no agreement is reached, the last option is to proceed to legal proceedings. This paper develops a litigation management process for the construction industry in Quebec (Canada) to guide future litigation project managers, whether they are on the plaintiffs of the defendant's side of the claim. The proposed process links the litigation team members, lawyers and experts. The process divided into ten phases, contains sequences of activities, resources, input and output documents and deliverables. The process was validated in terms of standardization in order to assess its capability to support different construction types of projects and contracts. With this process, litigation managers will be able to oversee litigation through a better visibility of the activities to be planned and forecast costs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,047
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0120,004
Communication savante0,0100,005
Science ouverte0,0030,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,094
Tête enseignante GPT0,411
Écart entre enseignants0,318 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetConstruction Project Management and PerformanceTravaux en français237 207