MétaCan
Menu
Retour à la cohorte
Enregistrement W4220952990 · doi:10.18280/ijsse.120106

The Security Cost as Part of Construction Safety Cost: Case Study of Flats Construction

2022· article· en· W4220952990 sur OpenAlexvenueno aff
Ratih Fitriani, Yusuf Latief, Putut Marhayudi

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Management
Établissements canadiensnon disponible
Organismes subventionnairesKementerian Riset dan Teknologi /Badan Riset dan Inovasi NasionalBadan Riset dan Inovasi Nasional
Mots-clésScope (computer science)Statement of workWork (physics)Transport engineeringConstruction site safetyCost estimateBuilding constructionEngineeringBusinessRisk analysis (engineering)Civil engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Indonesia is currently experiencing a rapid increase in infrastructural development, including the construction of flats. This has led to a rise in construction-related accidents due to the lack of an appropriate safety budget for projects and further worsened by the separatist movement, theft, and vandalism, specifically in the eastern part of Indonesia. Therefore, this research aims to prove that factors, such as construction location and building height, affect construction safety costs in flats. The research found that safety costs consist of 3 parts, namely general, specific, and security costs. The construction safety cost was simulated using Monte Carlo analysis, which showed the amount of safety cost in flats construction in Eastern Indonesia, is higher than the Western part. Furthermore, the safety cost for more than 3-storey flats is higher than those for 3-storey. This shows that the location affects the cost of additional security. In addition, the building height also affects construction safety costs due to differences in the scope of work contained in the WBS.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,353
Écart entre enseignants0,331 · 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'étudeÉtude de cas
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetOccupational Health and Safety ManagementTravaux en français237 207