MétaCan
Menu
Retour à la cohorte
Enregistrement W4401282697 · doi:10.1016/j.autcon.2024.105647

Virtual simulation environment for comparing and testing current modeling strategies in project planning and control

2024· article· en· W4401282697 sur OpenAlexafffund
Rana Ead, Simaan AbouRizk

Notice bibliographique

RevueAutomation in Construction · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésComputer scienceScheduleDomain (mathematical analysis)Control (management)Systems engineeringResource (disambiguation)Virtual machineMarkov chainOperations researchIndustrial engineeringEngineeringMachine learningArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper introduces a simulation environment that enables researchers and industry professionals to evaluate newly proposed methods for project planning and control. It addresses the need for comprehensive testing of modeling strategies across diverse scenarios, given limited access to real-world case studies. Using Monte Carlo-Markov chain simulation, the virtual environment facilitates the creation of random networks simulating construction project baseline plans and the uncertainties affecting these projects' execution. The research contributes significantly in two aspects. Firstly, the network generator can capture the complete feasible domain based on several quantitative topological measures for complexity and randomness, addressing prior limitations of previously developed network generators. Secondly, by embedding cost and schedule parameters and facilitating experimentation with various modeling strategies, this study offers a dynamic, resource-efficient alternative for robust comparative analysis of construction innovations. Practically, this environment serves as an essential decision-support tool for encouraging innovative experimentation and advancing construction management practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,185
Tête enseignante GPT0,418
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAutomation in ConstructionMême sujetResource-Constrained Project SchedulingTravaux en français237 207