Critical Review of Virtual Reality Applications in Offsite Construction Research
Notice bibliographique
Résumé
Offsite construction (OSC) techniques are argued to provide superior quality and shorter schedules compared with traditional techniques. Nonetheless, the pace of OSC implementation has been slow due to the influence of several barriers. In recent years, virtual reality (VR) applications have been used to address many of these barriers and promote the implementation of OSC projects. However, a comprehensive and coherent literature review that establishes the current state and categorizes VR applications in OSC projects is still lacking. To address this research gap, this study provides a state-of-the-art review of VR applications in OSC (VR–OSC) using the scientometric and systematic review methods. This study characterizes the synthesis between VR and OSC and identifies research trends and gaps that can be studied in future VR–OSC research. The scientometric review focuses on identifying the main topics of both research domains separately and combined based on the collected articles. The systematic review, meanwhile, qualitatively evaluates these articles, highlighting the existing research gaps and anticipating future research frontiers. The scientometric results indicate that VR applications in OSC can be organized into a number of clusters, such as Crane Operations and Onsite Planning, Educational Applications, Safety and Ergonomics, and Evaluation of Design Alternatives. The qualitative analysis identifies several future research directions to advance the field of VR–OSC, including (1) multiuser VR models in crane operation planning, (2) consideration of the role of human emotions in VR safety training by adopting biometric sensors, (3) decentralized web-VR platforms for remote OSC planning, and (4) VR-solutions for modeling robotic movements in OSC factories. This study can serve as a useful point of reference for VR–OSC researchers and provides a sound foundation for future research on VR–OSC.
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 | 0,035 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,034 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».