MétaCan
Menu
Retour à la cohorte
Enregistrement W4411471859 · doi:10.7771/3067-4883.1722

Application Of Leagile Theory In Construction Industry To Improve Value-creating Activities

2025· article· en· W4411471859 sur OpenAlexaff
Xuebo Chen, Kunkun Li, Fan Yang, Mohammad Masfiqul Alam Bhuiyan, Ahmed Bouferguène, Mohamed Al‐Hussein

Notice bibliographique

RevueCIB Conferences · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueValue Engineering and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)BusinessIndustrial organizationComputer scienceProcess management

Résumé

récupéré en direct d'OpenAlex

This study explores the integration of Lean and Agile methodologies, known as “Leagile”, in the construction industry. Lean construction emphasizes continuous workflow and process optimization to reduce waste, while Agile management embraces the inevitability of change, promoting continuous discovery and learning throughout a project’s lifecycle. Clearly, both approaches require effective communication with project stakeholders and customers to enable iterative improvements. In recent years, the concept of “Leagile”— blending these two methodologies — has already been successfully applied in various sectors such as manufacturing and supply chain management. However, in the construction industry, the hybridization of Lean and Agile management is still in its early stages. Initial experiments in this area have shown promising potential and opened up a wide range of new possibilities in construction management. This paper contributes to the increasing body of work on Leagile, especially in relation to construction, by proposing a framework for its implementation and assessing the viability of this management paradigm. A case study involving a single-family residential unit project illustrates this novel method’s application in a practical setting.

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)0,006
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,010
Communication savante0,0060,008
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIB ConferencesMême sujetValue Engineering and ManagementTravaux en français237 207