Proposition d'un modèle d'affaires pour un centre favorisant l'innovation dans le secteur de la construction au Québec
Notice bibliographique
Résumé
Le secteur de la construction au Québec est en perte de vitesse notamment dans sa capacité à innover. Cependant le monde de la recherche est actif, mais du côté de l'industrie, le risque lié à l'innovation est encore trop élevé. Bien que le secteur pèse près de 10% dans l'économie de la province, le gouvernement n'a pas encore pris de mesures créatives pour favoriser l'adoption de l'innovation dans un secteur très fragmenté. \n \nÀ l'étranger, de nombreux pays utilisent déjà des modèles perfectionnés de partage de meilleures pratiques comme le Royaume-Uni avec le modèle du «Constructing Excellence» ou les États-Unis avec le «Construction Industry Institute» (CII). Il s'agit donc dans cette étude de proposer un modèle d'affaires pour un «centre de meilleures pratiques» dédié à la construction québécoise fondé sur les composantes génériques identifiées dans les modèles références. \n \nDans un processus d'amélioration continue, le benchmarking de projets de bâtiments permet de développer une culture de partage et d'identifier ainsi leurs pratiques innovantes. C'est la mission actuelle du « Centre d'études et de recherches pour l'avancement de la construction au Québec » (CERACQ) avec son « Programme de Benchmarking » lancé en octobre 2005 en collaboration avec l'École de Technologie Supérieure. Les premières conclusions de ce projet sont émises dans cette étude et permettent de comprendre le contexte québécois « de l'intérieur ». \n \nUn transfert de savoir-faire adapté peut rendre la recherche en construction encore plus appliquée à ses besoins, et profitable à toute l'industrie. Mais sans intervention du gouvernement, un mode d'approvisionnement toujours axé sur les coûts ne remédiera pas à une « culture du secret » encore très présente dans les mentalités de l'industrie. \n \n
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».