MétaCan
Menu
Retour à la cohorte
Enregistrement W4402477104 · doi:10.11159/icceia24.114

Agile Frameworks in Construction Project Management: A Systematic Review

2024· review· en· W4402477104 sur OpenAlexvenueno aff
Yvan Huaricallo Vilca, Jeremy Becerra León

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2024
Typereview
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentComputer scienceProject managementSystems engineeringProcess managementSoftware engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The global production in the construction sector in 2020 was 10.7 trillion dollars and with a growth projection of 42% or 4.5 trillion dollars by 2030 to reach 15.2 trillion dollars, which will be a global engine for economic growth.For this reason, the present systematic review was based on the search and collection of exhaustive information; The main objective is to determine the state of the art of agile frameworks in construction project management over the past 15 years.Which consisted of searches of reliable database sources, where emphasis was placed on scientific articles in the civil construction sector using criteria of discarding and inclusion through the prism methodology for its filter, obtaining as a final result 37 articles between the years 2006 and 2023, One of the most important findings was the significant impact that agile frameworks have on improving efficiency and productivity in construction.By adapting to the dynamic and often unpredictable environment of construction projects, these frameworks allow for better resource management and faster, more effective decision-making.The results also highlight how implementing agile frameworks can help reduce costs and improve interpersonal and managerial skills, also known as "power skills."These benefits are clearly seen at all stages of the project, especially in the design phase, where flexibility and adaptability are critical.

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)0,013
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,046
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0180,017
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
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 Opus0,026
Tête enseignante GPT0,320
Écart entre enseignants0,294 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207