MétaCan
Menu
Retour à la cohorte
Enregistrement W3195107606 · doi:10.29007/g6d8

Demand of 21st Century Skills in the Construction Workforce

2021· article· en· W3195107606 sur OpenAlexaffabout
Jishnu Subedi

Notice bibliographique

RevueEPiC series in built environment · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensSAIT Polytechnic
Organismes subventionnairesnon disponible
Mots-clésSoft skillsIntrapersonal communicationWorkforceFlexibility (engineering)Interpersonal communicationSocial skillsPeople skillsBusinessKnowledge managementSkills managementMarketingPsychologyComputer scienceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the job postings in the construction sector to identify the nature and demand of the soft skills that the construction industry is looking for in the employees. The construction industry, like other industries, is witnessing rapid change in the working environment because of factors such as increasing cultural diversity of the workforce, advancement in information technology and introduction of automation and artificial intelligence to perform routine jobs. Because of these changes, individuals need soft skills to succeed in the 21st century workplace. The job postings on the Job Bank Canada website in 2019 that were related to the construction sector were analyzed to identify the soft skills that are in demand in the construction industry. Out of the top 12 skills extracted from the job postings, seven skills are identified as the soft skills. “Team player” is the most sought-after skill in the construction industry, which appears in 56.4% of the job postings. Other soft skills in demand are “effective interpersonal skills,” “excellent oral communication,” “attention to detail,” “reliability,” “flexibility,” and working in a “fast-paced environment.” The analysis shows that the interpersonal and intrapersonal soft skills are in high demand in the construction industry.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,302
Écart entre enseignants0,268 · 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'étudeObservationnel
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEPiC series in built environmentMême sujetConstruction Project Management and PerformanceTravaux en français237 207