Analyse du potentiel du BIM en construction préfabriquée et élaboration d’un cadre d’implantation
Bibliographic record
Abstract
Malgré ses avantages, la préfabrication au Québec note une baisse de la productivité notamment en raison de l’inefficacité de certains de ses processus d’affaires. Parallèlement, le BIM apparaît comme une solution favorisant l’intégration des processus et des acteurs impliqués dans un projet de construction. C’est dans cette optique que s’insère cette maîtrise dont le but est de démystifier le BIM et d’étudier son impact pour faciliter son implantation dans les petites et moyennes entreprises (PMEs) québécoises de préfabrication. Pour ce faire, une revue de la littérature a été réalisée, afin d’établir un état de l’art sur l’adoption du BIM dans le monde. Ensuite, des entrevues semi-dirigées avec des experts BIM ont été tenues dans le but d’analyser l’expérience québécoise avec cette approche. Des analyses qualitatives ont dès lors été menées pour dresser un portrait de l’implantation du BIM au Québec en termes de barrières présentes et de bonnes pratiques. Puis, un sondage a été lancé auprès de manufacturiers québécois pour analyser la situation actuelle de ce secteur et adapter les recommandations à cette réalité. La phase de synthèse a permis de présenter 30 freins critiques et 31 recommandations pour les éviter. Finalement, un cadre d’implantation du BIM dans un projet de préfabrication a été élaboré, indiquant à chaque phase les acteurs impliqués et les actions à prendre. La recherche a ainsi permis de relever les barrières les plus critiques à l’adoption du BIM, de nature technologique, humaine, organisationnelle, financière et légale. Elle a également mis en relief l’importance d’analyser la situation de l’entreprise et d’évaluer ses ressources avant de faire ce virage numérique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".