MétaCan
Menu
Retour à la cohorte
Enregistrement W4297464354 · doi:10.3390/civileng3040049

Scrutinizing Competitiveness of Construction Companies Based on an Integrated Multi-Criteria Decision Making Model

2022· article· en· W4297464354 sur OpenAlex
Ahmed Badawy, Abobakr Al-Sakkaf, Ghasan Alfalah, Eslam Mohammed Abdelkader, Tarek Zayed

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCivilEng · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)PillarCompetitive advantagePreferenceProcess (computing)Index (typography)Fuzzy logicMultiple-criteria decision analysisBusinessIndustrial organizationComputer scienceOperations researchMarketingEconomicsEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The construction sector continues to experience significant challenges brought by new techniques and technologies. Hence, there is a dire need for construction companies to address critical issues concerning changing environmental conditions, construction innovations, market globalization and many other aspects, thereby enhancing their competitive edge. Thus, the primary goal for this research is to develop a multi-criteria decision making model that would consider and evaluate all essential factors in determining the competitiveness index of construction companies. In the developed model, three new pillars (3P) for competitiveness are introduced: (1) non-financial internal pillar; (2) non-financial external pillar; and (3) financial pillar. The 3P includes 6 categories and 26 factors that are defined and incorporated in the developed assessment model for the purpose of measuring the companies’ competitiveness. The weights for the identified factors are computed using fuzzy analytical network process (FANP) to diminish the uncertainty inherited within the judgment of the respondents. The weight of factors and their affiliated performance scores are used as an input for the preference ranking organization method for enrichment evaluation (PROMETHEE II) technique. In this regard, PROMETHEE II is undertaken as a ranking technique to prioritize any given construction company by determining its respective competitiveness index. The developed model is validated through five cases studies that reveal its potential of illustrating detailed analysis with respect to the competitive ability of construction companies. A sensitivity analysis is carried out to determine the most influential factors that affect the competitiveness of construction companies. It is anticipated that the developed evaluation model can be used in the decision-making process by all parties involved in construction projects. For instance, contractors can leverage the evaluation model in taking better decisions pertinent to the markup values. In addition, it can benefit employers in the evaluation process of contractors.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,185
Tête enseignante GPT0,430
Écart entre enseignants0,246 · 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