A human-centered framework for assessing task complexity in construction: a cognitive load perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Construction workers process complex information, make decisions and coordinate tasks under deadlines. These cognitive demands can overwhelm workers, leading to errors and inefficiencies. While task complexity (TC) influences construction performance, prior research lacks a structured approach to assessing and managing cognitive load. This study introduces a scalable framework integrating cognitive load theory (CLT), Lean thinking and physiological metrics to evaluate TC and its impact on worker performance. Design/methodology/approach A design science research approach was used to assess TC and cognitive load in construction. Through literature reviews and expert consultations, a structured framework integrating cognitive load metrics and TC indicators was developed. The framework was validated through a controlled experiment simulating visual complexity using Object Speed (OS). A structural equation modeling (SEM) was developed to model TC as a latent construct using OS and cognitive load metrics while predicting performance errors. Findings The SEM model demonstrated relationships between TC, cognitive load and performance, confirming OS as a key determinant. The results support the framework’s ability to capture complexity-performance dynamics with high model fit indices and validate its use for interpreting cognitive responses to visual task variation. Research limitations/implications It supports human-centered task design to enhance productivity, safety and worker well-being. Future research should incorporate other complexity metrics and validate it in real-world construction. Originality/value This study applies CLT to construction and integrates TC concepts from behavioral science to provide structured TC assessment.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle