MétaCan
Menu
Retour à la cohorte
Enregistrement W7128072329 · doi:10.22260/crc-csce-2025/0161

Towards a Standardized Framework for Measuring Productivity in the Canadian Construction Industry: A Systematic Literature Review

2025· article· W7128072329 sur OpenAlexaboutno aff
Ansh Kasundra, Amirhossein Mehdipoor, Ahmed Niaz, Muhammad Fawad, Qian Chen, Alexandra Thompson

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSystematic reviewProductivityStandardizationWork (physics)Variety (cybernetics)

Résumé

récupéré en direct d'OpenAlex

The construction industry is a key driver of Canada's economy, contributing approximately 7.2% to the Gross Domestic Product (GDP) and employing 7.9% of the national workforce, according to Statistics Canada.However, the sector faces a significant challenge: a steady decline in labour productivity, now at its lowest in three decades.One major obstacle in addressing this issue is the lack of a standardized framework for measuring productivity across projects.Inconsistent definitions and measurement practices hinder benchmarking and industry-wide improvement.This study tackles the problem through a systematic literature review, integrating both quantitative and qualitative methods to explore productivity frameworks and Key Performance Indicators (KPIs).The quantitative analysis, conducted using VOSviewer, revealed keyword linkages and research patterns, while the qualitative review examined existing frameworks, KPIs, and benchmarking strategies.Productivity measurement was categorized into three levels-industry, project, and activity-while KPIs were organized into six domains: cost, time, quality, health and safety, labour, and environment.Examples include cost predictability, construction speed, and CO₂ emissions per unit.These indicators are essential for evaluating performance and supporting Canada's sustainability goals.While this study does not develop a new framework, it offers valuable insights for future efforts.It highlights global models like the "A Seven-Step Framework for Success" and "C792" as adaptable tools suited to Canada's unique context, including remote work sites, severe weather, and environmental priorities.By building on these insights, Canada can move toward a standardized productivity framework that enhances benchmarking, boosts sector performance, and strengthens global competitiveness.

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)0,102
score de la tête « metaresearch » (Gemma)0,212
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,739

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1020,212
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0650,065
Études des sciences et des technologies0,0040,005
Communication savante0,0120,006
Science ouverte0,0070,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,372
Écart entre enseignants0,297 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même sujetConstruction Project Management and PerformanceTravaux en français237 207