MétaCan
Menu
Retour à la cohorte
Enregistrement W4406385688 · doi:10.51501/jotnafe.v39i1.144

Resolving Schedule Delay Claims with Forensic Analysis

2022· article· en· W4406385688 sur OpenAlexaff
Michael Stall

Notice bibliographique

RevueJournal of the National Academy of Forensic Engineers · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Reliability and Analysis Research
Établissements canadiensResponse Biomedical (Canada)
Organismes subventionnairesnon disponible
Mots-clésScheduleForensic sciencePsychologyComputer scienceCriminologyHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

This paper demonstrates how the principals of forensic engineering can be applied to evaluation of schedules, daily diaries, status reports, meeting notes, and other project documentation to determine why delays occur on a project and which parties are responsible for delays. To understand the actual project history, the forensic engineer should conduct a thorough and fair evaluation of all available project documentation to understand the contractual requirements, project milestones, effects of changes, magnitude of delays to the Critical Path, and the basis of the delay claim dispute. The forensic engineer should have sufficient knowledge and experience with project planning, scheduling, and cost estimating to understand the technical basis of the project schedule. He or she must also evaluate and understand the schedule resource loading methodology, schedule logic structure, validity of the activity durations, actual sequence of events, and the material issues that affected the Critical Path. Use of the original planning software is usually necessary as well. The forensic engineer should conduct an impartial technical evaluation that addresses the important and material issues so responsibility for the delays can be determined and proven with a reasonable degree of certainty to resolve the dispute fairly.

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)0,021
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,003
Études des sciences et des technologies0,0040,004
Communication savante0,0070,010
Science ouverte0,0030,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,019
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the National Academy of Forensic EngineersMême sujetSoftware Reliability and Analysis ResearchTravaux en français237 207