Developing the return on workplace investment (ROWI) tool
Notice bibliographique
Résumé
Facilities managers and the wider corporate real estate (CRE) community have increasingly become focused on cost reduction, with organisations typically viewing property as a cost burden rather than an investment. Consequently, it remains rare for organisations to include performance benefits in financial investment appraisals of workplace projects. A change in narrative is required to one where value can be demonstrated rather than simply costs reduced. Previous attempts have been made to quantify workplace performance, but a tangible tool to assist in recommending major decisions regarding changes to the workplace has eluded discovery. Therefore, the authors joined forces with the Institute of Workplace and Facilities Management (IWFM) to create the Return on Workplace Investment (ROWI) tool. The ROWI tool is a ready reckoner for calculating the impact of workplace projects (including planning, design or operation) on people performance. It can be used as part of a cost-benefit analysis to help professionals build a business case which accounts for positive factors other than cost alone. The initial step to developing the ROWI tool was to conduct an extensive literature review to determine the performance metrics that could be used to calculate a return on workplace investment. Some 105 unique and robust literature sources, with a total of 194 individual assessments of performance, were selected. Five dominant and recurring performance metrics were identified, along with nine recurring broad workplace design elements affecting task performance. Previously, there was little confidence in productivity research due to the range in performance data that various studies produce. A unique aspect of the ROWI tool, however, is that the performance data for each study was weighted to make it more relevant to real office work. The corresponding, more realistic, potential impact of workplace design on each of the performance metrics was calculated using the weighted results from all the research studies.
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 | 0,040 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,030 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,006 |
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 ».