MétaCan
Menu
Retour à la cohorte
Enregistrement W4317815230 · doi:10.1109/wsc57314.2022.10015519

Agent-Based Modeling and Simulation of Multidimensional Impacts of Construction Labor Productivity Factors

2022· article· en· W4317815230 sur OpenAlexafffund
Lynn Shehab, Diana Salhab, Elyar Pourrahimian, Mohamed ElMenshawy, Farook Hamzeh

Notice bibliographique

Revue2022 Winter Simulation Conference (WSC) · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProductivityInterdependenceComputer scienceSet (abstract data type)Risk analysis (engineering)BusinessEconomics

Résumé

récupéré en direct d'OpenAlex

Despite numerous attempts to quantify the impacts of factors influencing productivity in the construction industry, such factors are still perceived as static and independent, resulting in unrealistic productivity estimates. Therefore, this paper investigates the different factors' impacts on not only productivity, but also each other. The objective is to highlight the necessity of perceiving the already heavily researched factors affecting productivity as dynamic and interdependent through a multidimensional lens. Two generic agent-based models are built to simulate the outcomes of a project through varying levels of detail, each investigating a certain set of impacts. The first model includes the quantified impacts of the factors on productivity (traditional approach), while the second encompasses all quantified impacts of the factors on productivity and on each other (comprehensive approach). Findings proved the accuracy of the proposed comprehensive approach in estimating durations compared to planned durations and to those obtained from the traditional approach.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,108
Tête enseignante GPT0,361
Écart entre enseignants0,253 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revue2022 Winter Simulation Conference (WSC)Même sujetConstruction Project Management and PerformanceTravaux en français237 207