MétaCan
Menu
Retour à la cohorte
Enregistrement W4383957393 · doi:10.24928/2023/0235

How to Navigate the Dilemma of Value Delivery: A Value Identification Game

2023· article· en· W4383957393 sur OpenAlexaff
Salam Khalife, Farook Hamzeh

Notice bibliographique

RevueAnnual Conference of the International Group for Lean Construction · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensUniversity of Alberta
Organismes subventionnairesStanford Bio-X
Mots-clésDilemmaValue (mathematics)Identification (biology)Computer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Delivering value on projects is one of the fundamental concepts in lean construction through the Transformation-Flow-Value (TFV) theory.The concepts of transformation and flow are thoroughly explained through the lean construction literature, and various educational games are offered to support the understanding of the flow concept including work-flow variability, takt time, waste elimination, pull systems, and efficient planning.The concept of value, however, tends to be more complicated where researchers are continuously trying to better understand value delivery on construction projects.The International Group for Lean Construction conference offered research on Target Value Design as well as games to reap knowledge about project value.This paper provides additional support to understand the value concept and its characteristics through a proposed educational simulation game.The game demonstrates how designers identify requirements on projects, how various parties value different things, and how to potentially deal with conflicting requirements.The game helps students and lean practitioners in understanding the process of eliciting perceived value on a project and achieving shared understanding through proper communication between different parties.This would help in managing projects in a way that delivers higher value for the different stakeholders, thus achieving successful projects with higher satisfaction rates.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

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

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 Opus0,087
Tête enseignante GPT0,347
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Conference of the International Group for Lean ConstructionMême sujetTechnology Adoption and User BehaviourTravaux en français237 207