MétaCan
Menu
Retour à la cohorte
Enregistrement W4200250314 · doi:10.1109/istas52410.2021.9629158

A framework for asset management planning in sustainable and resilient cities

2021· article· en· W4200250314 sur OpenAlexaff
Rebecca Dziedzic, Luis Amador-Jiménez, Chunjiang An, Dongzhi Chen, Ursula Eicker, Amin Hammad, Fuzhan Nasiri, Mazdak Nik‐Bakht, Mohamed Ouf, Osama Moselhi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAsset managementAsset (computer security)BusinessRisk analysis (engineering)Computer scienceProcess managementBig dataProcess (computing)Set (abstract data type)Sustainable developmentEnvironmental resource managementEnvironmental planningEnvironmental economicsFinanceEconomicsComputer securityEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This paper introduces a set of strategies for facilitating sustainable and resilient asset management planning of civil infrastructure. Recent advances in research and technological development applicable to each step of the asset management process are reviewed. The focus is primarily on municipal assets including water, wastewater and drainage systems, road networks and buildings. Based on the innovative and holistic practices identified, a set of ideal asset management practices is proposed. These include considering natural assets, safety and human factors, environmental and social costs as well as using big data and IoT to better model and optimize asset performance. Given the gap between research, practice, and ideal approaches, a set of strategies is proposed. These are intended to guide future research, guidelines and policy developments. They highlight the application of new technologies and big data in better managing municipal infrastructure and accounting for environmental and social impacts.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,247
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrastructure Maintenance and MonitoringTravaux en français237 207