Design Thinking for Innovation in Sustainable Built Environments and the Integration of an Inclusive Foresight and Design Thinking Framework
Notice bibliographique
Résumé
The search for new methods and tools to successfully address sustainability challenges is gaining momentum, due to the growing awareness of sustainability issues.Over the past two decades, design thinking (DT) has become a phenomenon in a wide range of contexts, and has recently drawn research attention as an innovative approach for handling complex socioecological problems.This review paper analyzes DT processes covered in sustainable built environment (SBE) articles that focus specifically on DT and innovation, with a view to suggesting/developing an affective new model for sustainability research.The research design was developed following Denyer and Tranfield's method.The author reviewed documents using the evidence from all open access English language articles related to this issue between 2000 and 2022 identified using a Scopus database search in order to clearly identify and analyze the challenges and opportunities for innovation growth in SBE using a DT and innovation framework, 50 articles were selected based on the PRISMA statement and plotted on a modified Ansoff Matrix.This systematic literature review indicates that research regarding DT for innovation in SBE is challenged by the matter of how to identify new contexts and new solutions for future-oriented sustainability.It is also proposed that a wider range of stakeholders are required to help optimize the solutions being generated.The results reveal research gaps in integrating foresight and DT into sustainability research.A model of inclusive foresight design thinking (FDT) is proposed to guide future research to support the practical application and enhance the viability of DT in sustainability.
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 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».