Navigating Barriers to the Adoption and Scalability of Modular Construction in Ethiopia
Notice bibliographique
Résumé
As a developing economy, there is an increasing demand for infrastructure in Ethiopia that necessitates faster and more scalable construction solutions. Modular construction (MC) offers a viable alternative to conventional methods, but its adoption is hindered by systemic barriers. This study identifies and analyze key barriers influencing the scalability of MC in Ethiopia. Data has been collected through expert surveys involving 34 participants, including policymakers, manufacturers, academia, and construction professionals. The study applies a fuzzy DEMATEL method to quantify interdependencies among six critical barriers. The findings reveal that policy and government support (BR1) acts as a primary driver, influencing downstream barriers such as supply chain resilience (BR2) and process efficiency (BR5). Conversely, financial constraints and fragmented supply chains emerged as high-impact barriers requiring policy intervention. Based on the findings, the study further proposes a strategic framework advocating for public-private partnerships, workforce upskilling, and digital integration to enhance modular construction scalability. By leveraging Fuzzy-DEMATEL analysis, the study bridges the gap between theoretical research and practical implementation, offering actionable insights for policymakers and investors. A limitation of this study is its reliance on a limited pool of expert opinions; however, such studies typically draw insights from five to 20 experts. Further more, this limitation was mitigated through the application of fuzzy logic.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».