MétaCan
Menu
Retour à la cohorte
Enregistrement W6922395646 · doi:10.12755/isec.res.2019.179

THE POTENTIAL OF KNOWLEDGE MANAGEMENT ON CONSTRUCTION SITES

2019· dataset· en· W6922395646 sur OpenAlexaboutno aff

Notice bibliographique

RevueNRCT Data Center · 2019
Typedataset
Langueen
DomaineComputer Science
ThématiqueEducational Robotics and Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Variety (cybernetics)Multidisciplinary approachOrder (exchange)Phase (matter)Personal knowledge managementQuarter (Canadian coin)Investment (military)

Résumé

récupéré en direct d'OpenAlex

Knowledge management is the process of creating, sharing, using, and managing knowledge, one of the most valuable organizational resources. This approach is wellknown in Austria's industrial sector, but applied only in major construction companies. It is mainly used to share knowledge between different departments, but it is not commonly found on construction sites. During the construction phase a variety of separate firms build a temporary multidisciplinary organization, to produce investment goods. To show the potential of knowledge management on building sites in Austria, 78 interviews were conducted. Construction sites of different types (new construction and refurbishment of buildings) were taken into account in order to guarantee a representative outcome. The highest cost-benefit ratio for knowledge management can be seen in knowledge intensive processes. The execution phase is characterized by craftwork which often includes many routine steps. But the survey shows that almost a quarter of the daily business is about knowledge intensive processes while the amount doesnดt correlate with the working experience. Furthermore, on construction sites with many trades the lack of information and knowledge transfer is the cause of nearly a quarter of the problems faced. The findings indicate the need for knowledge management on construction sites and the potential grows with the number of trades. The teambuilding process can be seen as the most important step for an efficient knowledge management during the execution phase.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,010
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 Opus0,029
Tête enseignante GPT0,276
Écart entre enseignants0,247 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNRCT Data CenterMême sujetEducational Robotics and EngineeringTravaux en français237 207