Enhanced digital twins (EDTs) approach based on advanced inspection and technology adoption to achieve sustainable construction processes
Notice bibliographique
Résumé
The current trend in the Architecture, Engineering, and Construction (AEC) industry is undergoing digitalisation rapidly, meeting the requirements of sustainability while increasing efficiency, reducing costs and improving decision-making. This transformation is based on the connection between the physical environment and the virtual digital systems. However, Digital Twins (DTs) can represent this connection, and despite its importance, currently DTs are hindered by several challenges related to the accuracy of data, long workflows and fragmented digital ecosystems. To this end, this study proposes an innovative approach, “Enhanced Digital Twin (EDT)”, to overcome the traditional DTs’ limitations. To achieve this, a scientometric review is conducted based on quantitative mixed methods using VOSviewer and RStudio to analyse the collected database from Scopus of 342 peer-reviewed journal articles from 2020 to 2024. This was further supported through the analysis of similar applied case studies of relevant literature based on Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Findings represent that EDT can offer advantages through three main categories: construction, building and human aspects. The article also outlines future research directions and highlights some key benefits and challenges. Also, this article contributes originally to the existing body of knowledge by bridging the gap between digital technology and sustainable practices through proposing a holistic framework for SDGs-based EDT in line with the United Nations Sustainable Development Goals (UN SDGs). The latter supports the implementation of the EDT, reaching the SDGs, and the engagement of stakeholders in all phases of the building life cycle.
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 | 0,020 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».