MétaCan
Menu
Retour à la cohorte
Enregistrement W3217272345 · doi:10.1680/jmapl.21.00019

Diffusion of platform thinking as an innovation in the construction supply chain

2021· article· en· W3217272345 sur OpenAlexfundno aff
Stuart Grabham, Emmanuel Manu

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Management Procurement and Law · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNottingham Trent University
Mots-clésSupply chainProduct (mathematics)Systems thinkingAdversarial systemKnowledge managementSupply chain managementRelation (database)Computer scienceCriticismFocus (optics)Data scienceBusinessProcess managementMarketingPolitical scienceArtificial intelligenceDatabase

Résumé

récupéré en direct d'OpenAlex

The construction industry has received long-standing criticism over its fragmented approach to supply chain management, adversarial relationships and ongoing defects. Platform thinking has been observed in other industries as a phenomenon that offers reinvention from the traditional perspectives on the supply chain. In this study, a literature review of platform thinking is presented. A database search of 656 papers across 15 journals, along with 3 sources from a Google search and 12 sources from a manual review of the reference lists were reviewed in relation to platform thinking in construction. While many variants of platforms exist, the literature review demonstrates a focus on product platforms that has historical precedents. This paper highlights the benefits of platform thinking while linking to the lessons of the past. This also provides a valuable insight for future implications of platform thinking and contributes to the limited literature on platform thinking in the construction industry by linking historical examples with present and potential future investigation.

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0090,010
Études des sciences et des technologies0,0020,007
Communication savante0,0130,012
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · 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'étudeQualitatif
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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Management Procurement and LawMême sujetQuality and Supply ManagementTravaux en français237 207