1,720,955 research outputs found
Capacité prédictive des technologies émergentes pour le contrôle de gestion de la construction : Une analyse bibliométrique
No full textThis research presents an in-depth thematic study on the influence of emerging technologies on management control through the predictive capacity deployed in the context of construction costs and deadlines. Using a rigorous bibliometric approach implemented on a set of 91 scientific articles listed in Scopus covering a period of 2016-2025, it offers a cartographic assessment of the evolution of this field of study and its dominant themes. The results show an overwhelming dominance (25.5% of the themes) of artificial intelligence and machine learning techniques focused on the prediction of cost overruns and deadline risks, while advanced meta-ensemble models, deep neural networks (LSTM) and neuro-fuzzy systems (ANFIS) outperform 85% in predicting the achievement of budgetary objectives, thus revolutionizing traditional budgetary practices. However, we observe an existential crisis: too much unity on the existing economic situation and no research on promising technologies such as advanced IoT, digital twins or blockchain, while AI/ML (31.9%) is mobilized at a rate of 25.5% of study/evaluation projects, compared to 17% for construction program management, 10.6% for risk management and 10.6% for value management or feature modeling, a serious imbalance that this study verifies in the light of research in project management, subject to field testing, even if the research is interdisciplinary and, above all, adapted to the specificities of construction project management. The study concludes on the need to broaden the scope of future technological research to, at equivalent quality, rebalance costs and deadlines in the development of necessarily integrated approaches in construction project management
Classification JEL : M41, M15, L74, O32, C45, C53
Paper type : Theoretical Research
Cette recherche présente une étude thématique approfondie portant sur l'influence des technologies émergentes sur le contrôle de gestion à travers la capacité prédictive déployée dans le cadre des coûts et des délais de construction. À l'aide d'une approche bibliométrique rigoureuse mise en œuvre sur un ensemble de 91 articles scientifiques répertoriés dans Scopus couvrant une période de 2016-2025, elle propose un bilan cartographique de l'évolution de ce champ d'études et de ses thèmes dominants. Les résultats montrent une domination écrasante (25,5% des thèmes) des techniques d'intelligence artificielle et d’apprentissage machine centrée sur la prévision des dépassements de coûts et des risques d’atteinte des délais, alors que les modèles avancés de méta-ensembles, de réseaux neuronaux profonds (LSTM) et de neuro-fuzzy systems (ANFIS) surpassent 85% de performance dans la prévision d’atteinte des objectifs budgétaires, révolutionnant ainsi les pratiques budgétaires traditionnelles. Néanmoins, nous observons une crise existentielle : trop d’unité sur l’existant économique et aucune recherche sur des technologies prometteuses comme l’IoT avancé, les jumeaux numériques ou la blockchain, alors que l’IA/ML (31.9%) se mobilise à raison de 25,5% des projets d’études/évaluations, contre 17% pour la gestion de programmes de construction, 10,6% pour la gestion des risques et 10,6% pour la gestion de la valeur ou feature modeling, un régrave déséquilibre que cette étude vérifie à l’aune de la recherche en gestion de projets, soumise à l’épreuve du terrain, même si la recherche est interdisciplinaire et, avant tout, adaptée aux spécificités de la gestion des projets de construction. L’étude conclut sur la nécessité d’élargir le champ des recherches technologiques futures pour, à qualité équivalente, rééquilibrer les coûts et les délais dans le développement d’approches forcément intégrées en gestion de projet de construction.
JEL Classification : M41, M15, L74, O32, C45, C53
Type de papier : Recherche Théoriqu
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Capacité prédictive des technologies émergentes pour le contrôle de gestion de la construction : Une analyse bibliométrique
No full textThis research presents an in-depth thematic study on the influence of emerging technologies on management control through the predictive capacity deployed in the context of construction costs and deadlines. Using a rigorous bibliometric approach implemented on a set of 91 scientific articles listed in Scopus covering a period of 2016-2025, it offers a cartographic assessment of the evolution of this field of study and its dominant themes. The results show an overwhelming dominance (25.5% of the themes) of artificial intelligence and machine learning techniques focused on the prediction of cost overruns and deadline risks, while advanced meta-ensemble models, deep neural networks (LSTM) and neuro-fuzzy systems (ANFIS) outperform 85% in predicting the achievement of budgetary objectives, thus revolutionizing traditional budgetary practices. However, we observe an existential crisis: too much unity on the existing economic situation and no research on promising technologies such as advanced IoT, digital twins or blockchain, while AI/ML (31.9%) is mobilized at a rate of 25.5% of study/evaluation projects, compared to 17% for construction program management, 10.6% for risk management and 10.6% for value management or feature modeling, a serious imbalance that this study verifies in the light of research in project management, subject to field testing, even if the research is interdisciplinary and, above all, adapted to the specificities of construction project management. The study concludes on the need to broaden the scope of future technological research to, at equivalent quality, rebalance costs and deadlines in the development of necessarily integrated approaches in construction project management
Classification JEL : M41, M15, L74, O32, C45, C53
Paper type : Theoretical Research
Cette recherche présente une étude thématique approfondie portant sur l'influence des technologies émergentes sur le contrôle de gestion à travers la capacité prédictive déployée dans le cadre des coûts et des délais de construction. À l'aide d'une approche bibliométrique rigoureuse mise en œuvre sur un ensemble de 91 articles scientifiques répertoriés dans Scopus couvrant une période de 2016-2025, elle propose un bilan cartographique de l'évolution de ce champ d'études et de ses thèmes dominants. Les résultats montrent une domination écrasante (25,5% des thèmes) des techniques d'intelligence artificielle et d’apprentissage machine centrée sur la prévision des dépassements de coûts et des risques d’atteinte des délais, alors que les modèles avancés de méta-ensembles, de réseaux neuronaux profonds (LSTM) et de neuro-fuzzy systems (ANFIS) surpassent 85% de performance dans la prévision d’atteinte des objectifs budgétaires, révolutionnant ainsi les pratiques budgétaires traditionnelles. Néanmoins, nous observons une crise existentielle : trop d’unité sur l’existant économique et aucune recherche sur des technologies prometteuses comme l’IoT avancé, les jumeaux numériques ou la blockchain, alors que l’IA/ML (31.9%) se mobilise à raison de 25,5% des projets d’études/évaluations, contre 17% pour la gestion de programmes de construction, 10,6% pour la gestion des risques et 10,6% pour la gestion de la valeur ou feature modeling, un régrave déséquilibre que cette étude vérifie à l’aune de la recherche en gestion de projets, soumise à l’épreuve du terrain, même si la recherche est interdisciplinaire et, avant tout, adaptée aux spécificités de la gestion des projets de construction. L’étude conclut sur la nécessité d’élargir le champ des recherches technologiques futures pour, à qualité équivalente, rééquilibrer les coûts et les délais dans le développement d’approches forcément intégrées en gestion de projet de construction.
JEL Classification : M41, M15, L74, O32, C45, C53
Type de papier : Recherche Théoriqu
Capacité prédictive des technologies émergentes pour le contrôle de gestion de la construction : Une analyse bibliométrique
No full textThis research presents an in-depth thematic study on the influence of emerging technologies on management control through the predictive capacity deployed in the context of construction costs and deadlines. Using a rigorous bibliometric approach implemented on a set of 91 scientific articles listed in Scopus covering a period of 2016-2025, it offers a cartographic assessment of the evolution of this field of study and its dominant themes. The results show an overwhelming dominance (25.5% of the themes) of artificial intelligence and machine learning techniques focused on the prediction of cost overruns and deadline risks, while advanced meta-ensemble models, deep neural networks (LSTM) and neuro-fuzzy systems (ANFIS) outperform 85% in predicting the achievement of budgetary objectives, thus revolutionizing traditional budgetary practices. However, we observe an existential crisis: too much unity on the existing economic situation and no research on promising technologies such as advanced IoT, digital twins or blockchain, while AI/ML (31.9%) is mobilized at a rate of 25.5% of study/evaluation projects, compared to 17% for construction program management, 10.6% for risk management and 10.6% for value management or feature modeling, a serious imbalance that this study verifies in the light of research in project management, subject to field testing, even if the research is interdisciplinary and, above all, adapted to the specificities of construction project management. The study concludes on the need to broaden the scope of future technological research to, at equivalent quality, rebalance costs and deadlines in the development of necessarily integrated approaches in construction project management
Classification JEL : M41, M15, L74, O32, C45, C53
Paper type : Theoretical Research
Cette recherche présente une étude thématique approfondie portant sur l'influence des technologies émergentes sur le contrôle de gestion à travers la capacité prédictive déployée dans le cadre des coûts et des délais de construction. À l'aide d'une approche bibliométrique rigoureuse mise en œuvre sur un ensemble de 91 articles scientifiques répertoriés dans Scopus couvrant une période de 2016-2025, elle propose un bilan cartographique de l'évolution de ce champ d'études et de ses thèmes dominants. Les résultats montrent une domination écrasante (25,5% des thèmes) des techniques d'intelligence artificielle et d’apprentissage machine centrée sur la prévision des dépassements de coûts et des risques d’atteinte des délais, alors que les modèles avancés de méta-ensembles, de réseaux neuronaux profonds (LSTM) et de neuro-fuzzy systems (ANFIS) surpassent 85% de performance dans la prévision d’atteinte des objectifs budgétaires, révolutionnant ainsi les pratiques budgétaires traditionnelles. Néanmoins, nous observons une crise existentielle : trop d’unité sur l’existant économique et aucune recherche sur des technologies prometteuses comme l’IoT avancé, les jumeaux numériques ou la blockchain, alors que l’IA/ML (31.9%) se mobilise à raison de 25,5% des projets d’études/évaluations, contre 17% pour la gestion de programmes de construction, 10,6% pour la gestion des risques et 10,6% pour la gestion de la valeur ou feature modeling, un régrave déséquilibre que cette étude vérifie à l’aune de la recherche en gestion de projets, soumise à l’épreuve du terrain, même si la recherche est interdisciplinaire et, avant tout, adaptée aux spécificités de la gestion des projets de construction. L’étude conclut sur la nécessité d’élargir le champ des recherches technologiques futures pour, à qualité équivalente, rééquilibrer les coûts et les délais dans le développement d’approches forcément intégrées en gestion de projet de construction.
JEL Classification : M41, M15, L74, O32, C45, C53
Type de papier : Recherche Théoriqu
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
- …
