MétaCan
Menu
Retour à la cohorte
Enregistrement W4414016514 · doi:10.1680/jsmic.25.00005

FIDIC claim analysis during COVID-19: lessons from Saudi Arabia

2025· article· en· W4414016514 sur OpenAlexaff
Abobakr Al-Sakkaf, Nehal Elshaboury, Abdullah Alqahtani, Ghasan Alfalah, A. Qasem, Othman Alshamrani

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Smart Infrastructure and Construction · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyMedicineOutbreakInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

As a response to the global challenges posed by the COVID-19 pandemic, the construction industry, particularly in Saudi Arabia, faced unprecedented disruptions, with economic contractions and shifts in project dynamics. The main motivation behind this research is the fact that, in building projects under Federation Internationale des Ingenieurs-Conseil (FIDIC) contracts, claims can recover up to 25% of the initial contract value. The lack of comprehensive studies on such claims necessitates the development of a robust claim analysis tool to assist decision-makers in resolving disputes arising from COVID-19-related impacts in the Saudi construction industry. This research aims to provide insights into the root causes and impacts of claims, emphasising their relevance in the context of the coronavirus pandemic within Saudi Arabia. The proposed claim flowchart depicts the development process of the claim throughout project construction, and it encompasses five major steps: notification of intent to sue, claim reports, claim exhibits, audit by the supervising engineer, and owner feedback. By focusing on the intricacies of FIDIC contracts in the wake of the COVID-19 pandemic, this research aims to enhance understanding and facilitate better dispute resolution in the Saudi construction sector.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,649

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueProceedings of the Institution of Civil Engineers - Smart Infrastructure and ConstructionMême sujetInsurance and Financial Risk ManagementTravaux en français237 207