MétaCan
Menu
Retour à la cohorte
Enregistrement W4411472853 · doi:10.7771/3067-4883.2007

How Innovation is Impacting Productivity in the Construction Industry: A Review and Case Study of the Canadian Research Landscape

2025· review· en· W4411472853 sur OpenAlexaffabout
Brandon Searle, Jeff H. Rankin

Notice bibliographique

RevueCIB Conferences · 2025
Typereview
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésProductivityBusinessEngineeringIndustrial organizationEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

The construction industry is undergoing a paradigm shift focused on innovation leading to increases in producitivity and sector sustainability. This paper explores opportunities for innovation and collaboration to influence productivity within the construction sector, encompassing project delivery and organizational structures, project management practices, and the development of construction materials and products. Recent innovations include the adoption of modern construction methods like prefabrication and modular construction, which have been proven to increase producitvity, minimize waste and reduce emissions while enhancing worker safety and product quality. Digital technologies play a crucial role in improving management and planning accuracy, coordination, and the optimization of labour and energy usage throughout a structure's lifecycle. Efforts to promote both productivity and sustainability in construction represent disruptive innovation, necessitating fundamental changes to products and processes. The research draws on economics and construction engineering management perspectives to analyze how innovation initiatives can drive transformative outcomes in the industry. It discusses ongoing research activities in the Canadian construction sector, focusing on themes like construction digitization and productivity, and highlights the need for collaboration among academia, industry, and government agencies to address knowledge gaps and facilitate knowledge mobilization. The paper concludes with insights gleaned from a recent environmental scan, which identified opportunities to strengthen national research clusters, address research gaps, and enhance knowledge dissemination efforts to overcome barriers to innovation. Overall, this paper contributes to the body of knowledge on construction innovation and productivity.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,625

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0100,024
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,508
Tête enseignante GPT0,525
Écart entre enseignants0,018 · 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.

Devis d'étudeSans objet
DomaineÉvaluation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCIB ConferencesMême sujetConstruction Project Management and PerformanceTravaux en français237 207