Evaluating the impact of public policies supporting digital transformation in the construction sector: towards a systematic evaluation framework
Notice bibliographique
Résumé
Digital transformation in the public construction sector has given rise to major policy initiatives, such as France’s Digital Transition Plan for the Construction Industry (PTNB), the BIM Plan 2022, and Quebec’s Roadmap for built asset information modeling. These initiatives reflect a growing political commitment to fostering digital transformation across the industry. However, their actual impacts remain largely under-evaluated. This lack of evaluation can be partly explained by the relative novelty of these programs and the fact that only now—at a critical juncture where Building Information Modeling (BIM) practices are maturing—do we have sufficient hindsight and data to assess their outcomes meaningfully. This article is part of a broader research project aimed at developing robust approaches for evaluating public policies supporting digital transformation in construction. The present study focuses specifically on the methods available for assessing policy impacts and seeks to contribute to a better understanding of how to evaluate these transitions effectively. The paper begins by reviewing the main typologies of public policies associated with digital transformation, in order to clarify the diversity of policy instruments and intervention logics in this domain. It then proposes a critical analysis of existing policy evaluation methods—ranging from cost-benefit analysis to theory-based and mixed-method approaches—and assesses their relevance to the construction sector. Drawing on these insights, the paper proposes a methodological framework designed to guide future evaluations, while accounting for the specific challenges of the sector, such as fragmentation, long project cycles, and the hybrid nature of public-private partnerships.
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 | 0,494 | 0,454 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,022 | 0,015 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,026 | 0,018 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».