Fast-and-frugal heuristics: an exploration into building an adaptive toolbox to assess the uncertainty of rework
Notice bibliographique
Résumé
Performing rework within the production system of construction is the most expensive waste that confronts organisations, with its causation yet to be fully understood in practice.Any effort to assess the risk of rework poses challenges due to limited information about its frequency and causes, rendering the use of statistical models immeasurable.Research has shown that fast-and-frugal heuristics enable epistemic success under conditions of uncertainty and cognitive complexity -they are accurate, fast, and rely on limited information.Thus, this paper proposes the following research question: How can fast-and-frugal heuristics effectively assess the uncertainty of rework in construction?The theoretical framing of ecological rationality provides an environmental structure for bounded rationality to explore this question, enabling a person's 'adaptive toolbox' of fast-and-frugal heuristics tailored for different epistemic and pragmatic decisions to be utilised.Situations during the construction of a transport infrastructure mega-project (>AU$18 billion) where there was profound uncertainty surrounding rework are presented.The heuristics, intuitively drawn from an individual's adaptive toolbox used to form judgments to assess the uncertainty of rework, are identified.The theoretical and practical implications of the paper are discussed before presenting suggestions for future research to help build a robust adaptive toolbox to be utilised for assessing the uncertainty of rework in construction.
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 | 0,023 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,015 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».