Digital Collaboration Through BIM and its Influence on Project Success in Socio-Economic Contexts
Notice bibliographique
Résumé
Building Information Modelling (BIM) has been a real revolution for the traditionally fragmented construction industry. Though BIM has emerged over a few decades, many users still find it challenging to utilise the exact benefits, especially in the aspect of design collaboration. Few scientific studies have been conducted in forming and enabling design collaboration environments in BIM projects. However, the impact towards project performance from BIM design collaboration is not addressed, which has hindered the practical applications and attainment of the benefits in construction projects. Therefore, this study attempts to understand the means of successful utilisation of design collaboration for improving project performance in a BIM-enabled environment. From the literature review, 12 project performance parameters were discovered. The level of design collaboration and their impact towards BIM project parameters were reviewed through the sequential exploratory mixed method. Initially, 8 semi-structured interviews and later a questionnaire survey were conducted. Findings revealed that the achievement of the design collaboration among different parties in a construction project differs, especially in terms of forming a BIM team, guidelines and management of a digital common data environment. Yet it is, found that many people have experienced a positive impact from design collaboration to project performance via BIM. Among all, digital coordination, project schedule performance, and stakeholder satisfaction record the highly influential project performance parameters. Further, a few strategies are proposed to identify barriers in achieving design collaboration for overcoming the challenges. The findings of this study promote BIM adoption for achieving positive project performance in the real.
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».