MétaCan
Menu
Retour à la cohorte
Enregistrement W4399686298 · doi:10.5267/j.jpm.2024.4.004

Investigating the impact of lean construction principles on contractors’ project performance in Ethiopia using PLS-SEM

2024· article· en· W4399686298 sur OpenAlexvenueno aff
Achamyelew Maru, Wubshet Jekale, Belachew Asteray

Notice bibliographique

RevueJournal of Project Management · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEngineeringConstruction engineeringProcess managementOperations management

Résumé

récupéré en direct d'OpenAlex

The construction industry faces challenges, such as schedule overruns, cost overruns, poor quality, and safety issues. Lean construction is a valuable concept for waste reduction and improving project performance. This study explored the impact of lean construction principles on contractors' project performance in Ethiopia. Using a quantitative method and simple random sampling technique, 159 respondents from construction companies were selected. This study introduced partial least squares structural equation modeling (PLS-SEM) in the study area. The results showed that process/technology lean principles, people/culture lean principles, and integrated project delivery variables had a direct positive impact on contractor performance. There was also a significant indirect relationship between process/technology-lean construction principles and project performance with a complementary partial mediation effect. However, no significant indirect associations were found between people/culture-lean construction principles and project performance through mediation of onsite construction waste management. The study used FIMIX-PLS to test robustness and detect hidden heterogeneity at non-critical levels. The findings provide researchers and practitioners to identify the influences that are critical for contractors’ projects performance improvement, and that results in the best possible outcome.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,186
Tête enseignante GPT0,426
Écart entre enseignants0,240 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Project ManagementMême sujetConstruction Project Management and PerformanceTravaux en français237 207