Methodology for Extended Reality–Enabled Experimental Research in Construction Engineering and Management
Notice bibliographique
Résumé
Extended reality (XR) technologies are increasingly being used as a novel research instrument to facilitate scientific inquires in the construction engineering and management (CEM) domain. By allowing humans to interact with immersive environments in controlled and monitored experimental settings, XR technologies have opened new opportunities for researchers to conduct CEM research involving human participants or concerning human behavior. Yet, XR-enabled research, as an independent, rigorous methodology for the CEM domain, is still underexplored. This paper serves as an effort to build an organized knowledge base and workflow for using XR technologies in various CEM research areas and methodological contexts. The paper first investigates the status quo of XR-enabled CEM research, by identifying current research areas in the CEM domain where XR technologies are considered the preferred or recommended methodological solutions. A process model for XR-enabled research is then proposed, with actionable recommendations about how XR-enabled research should be planned, designed, implemented, analyzed, verified, and validated. This process model is demonstrated with two illustrative case studies. Last, the paper discusses the philosophical, methodological, and technological roots of the evolution of XR-enabled CEM research and describes our vision of more enabling, adoptable, and value-adding XR-enabled research in CEM in the near future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,080 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».