MétaCan
Menu
Retour à la cohorte
Enregistrement W69843844

Green Building and the Organization of Development

2010· article· en· W69843844 sur OpenAlexaboutno aff
Lynn M. Fisher, Will Bradshaw

Notice bibliographique

RevueSSRN Electronic Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndustrial organizationWork (physics)Real estateBusinessQuarter (Canadian coin)Real estate developmentMarketingEconomicsFinanceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper we investigate the organizational architecture of development firms. We use the special case of green building which we expect to raise both the uncertainty of direct development costs and payoffs as well as the bargaining costs of development to investigate if and how firms change their firm's structure or contracts to accommodate green building. Previous empirical and theoretical work on the homebuilding industry tends to focus on the size of firms (for example, Somerville 1999; Helsely and Strange 1997). Our focus is more closely related to Eccles (1981) who argues that general contractors and their subcontractors constitute a quasifirms that are not quite fully integrated nor completely market based. We build a model development firm contracting. The model allows us to estimate comparative statics results related to changes in development cost uncertainty and in bargaining costs. We then use evidence from a new survey conducted in the first quarter of 2010 to investigate the predictions of our model. The survey was sent to developers likely to engage in green building, and we obtained 102 useable responses, a 10% response rate. Survey questions focus on firm experience with their first and subsequent green projects. The respondents are mostly privately-held firms well-distributed across the U.S. and engaged in the development of single family, multifamily, office, retail and industrial real estate.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,003
Tête enseignante GPT0,195
Écart entre enseignants0,193 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetSustainable Building Design and AssessmentTravaux en français237 207