Advancing the Fifth Hand explanation of project cost misperformance
Notice bibliographique
Résumé
Cost misperformance in projects from contract award, expressed through cost growth and margin erosion, is a problem that confronts construction organisations worldwide. While several conceptual theories have attempted to explain cost misperformance, they often fail to account for how and why it arises in specific project contexts. The Fifth Hand has emerged as a pragmatist explanatory construct, but it has yet to be empirically tested. This paper extends its application by drawing on Evidential Pluralism, the idea that no single form of evidence suffices for causal inference, and epistemic causality, which focuses on how causal knowledge is justified. Integrating these perspectives strengthens the Fifth Hand’s foundations for context-sensitive, evidence-informed explanations. Using an explanatory case study, we address two research questions: (1) What associations and causal mechanisms contribute to cost misperformance in construction projects? And (2) How can a pluralistic, evidence-based analysis advance the Fifth Hand’s explanatory power? Statistical analysis for a sample of 67 projects, totalling $3.22 billion in value, delivered by a construction organisation, revealed associations between cost growth and margin gap (negative) and project size (positive), with unapproved subcontract variations predicting margin erosion. Qualitative analysis identified organisation-wide mechanisms, temporal discounting, disengagement from systems, and overconfidence, as well as project-specific mechanisms such as external design-related ambiguity and internal planning failures. Theoretically, this paper extends the Fifth Hand by integrating pluralistic approaches to evidence and causal reasoning. Practically, it offers construction organisations insights into behavioural and systemic vulnerabilities that contribute to cost misperformance.
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 | 0,025 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,021 |
| Communication savante | 0,010 | 0,017 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».