Identification of Occupant Dissatisfaction Factors in Newly Constructed Apartments: Text Mining and Semantic Network Analysis
Notice bibliographique
Résumé
With apartment buildings representing a rapidly growing share of the residential market in South Korea, the effect of construction defects throughout the life cycle of construction projects, and particularly during the occupancy stage, has emerged as a significant social issue that may ultimately lead to an increase in defect disputes between new occupants and general contractors. An important step toward mitigating the likelihood of these defect disputes is to identify and address the factors that give rise to occupant dissatisfaction during the defect repair process. However, a reliable method by which to identify these factors has yet to be developed. In this respect, the main objective of the research presented in this paper is to develop a method for identifying occupant dissatisfaction factors in the construction defect repair stage. The developed method comprises the following procedures: (i) text pre-processing, which involves data cleaning, normalization, tokenization, morphological analysis, and removal of stopwords; (ii) term frequency–inverse document frequency for keyword extraction; and (iii) semantic network analysis to recognize relationships between words. The method was implemented using a dataset of 12,874 comments in Korean text format obtained from apartment building occupants. Based on the processing and analysis of this dataset, the occupant dissatisfaction factors were found to be: (i) inaccurate and inadequate repair work (represented by such keywords as “Repair”, “Visit”, and “Accuracy”); (ii) failure to keep promises (e.g., “Fulfillment”, “Promise”, and “Change”); and (iii) unprofessional conduct on the part of representatives in the repair service center (e.g., “Response”, “Attitude”, and “Receipt”).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».