Are Different Innovations More Challenging to Implement? A Comparison of Different Types of Changes in the AEC
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The architecture, engineering, and construction (AEC) industry is introduced to a lot of innovations and changes in various types such as technology (software and hardware informational systems), management process (alternative project delivery, alternative procurement methods, and process improvements), and business structure (mergers, acquisitions, reorganizations, prefabrication, etc.). The industry is rapidly adopting different types of changes. The objective of the study was to determine if certain types of change are harder than others to successfully adopt and implement. An industry-wide approach was taken using an online survey methodology to collect more than 500 cases of organization-wide changes from AEC firms across the United States and Canada. The method of analysis includes reliability testing, principal component analysis, and group differences. The results showed that successful adoption rates of different types of change were not significantly different for certain change types than the others. Further analysis was performed to determine if different demographical considerations of adopting organizations (type and size) had different rates of successful adoption of change. The overall successful adoption rates were generally consistent between different demographical considerations of adopting organizations, but there were minor differences. The discussion addresses those minor differences and provides possible explanations. For example, higher rates of successful adoption were found in specialized firms (roofing contractors, plumbing contractors, etc.) when compared to wide-focused firms (general contractors, EPC firms, etc.). This study contributes an industry-wide view of successful change adoption rates between different types of changes and different demographical considerations of adopting organizations 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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