MétaCan
Menu
Retour à la cohorte
Enregistrement W4220686081 · doi:10.1061/9780784483961.070

Digital Twin in the Architecture, Engineering, and Construction Industry: A Bibliometric Review

2022· review· en· W4220686081 sur OpenAlexaff
Manea Almatared, Hexu Liu, Shengxian Tang, Mohammed Sulaiman, Zhen Lei, Hong Li

Notice bibliographique

RevueConstruction Research Congress 2022 · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDigitizationContext (archaeology)InteroperabilityComputer scienceArchitectureBuilding information modelingScopusConstruction industryData scienceCitation analysisEngineering managementCitationEngineeringKnowledge managementWorld Wide WebConstruction engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The architecture, engineering, and construction industry (AEC) is embracing digitization in the design, construction, and operation of built assets with the growing prominence of information technologies, such as building information modeling (BIM), internet of things (IoT), and artificial intelligence (AI). In this context, plenty of research efforts have been dedicated to digital twin (DT) applications. This research synthesizes state-of-art on DT in the AEC industry through bibliometric analysis, aiming to identify the research trends, challenges, and knowledge gaps in this growing area. A total of 75 publications regarding DT was identified and retrieved from Scopus. Then, VOSviewer was used for bibliometric analysis, including (1) keyword co-occurrence, and (2) citation analysis of selected publications. The identified research clusters and most-cited publications were discussed to clarify research trends and future needs. The findings revealed that future research should be directed to (1) data interoperability, (2) AIoT, and (3) AI. Moreover, extra research efforts should also be given to the DT applications during the design and construction phases of construction projects. This research contributes to the body of knowledge by quantitatively exposing research trends and needs for DT in the AEC 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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0830,107
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,081
Tête enseignante GPT0,351
Écart entre enseignants0,270 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2022Même sujetDigital Transformation in IndustryCatégorieBibliométrieTravaux en français237 207