5 . بحث
این مطالعه از رویکرد SEM-PLS برای بررسی مقبولیت مدل سازی اطلاعات ساختمان (BIM) در ساختمان های سبز استفاده می کند. این تحقیق با ترکیب چارچوبهای تحقیقاتی متعدد، از جمله مدل پذیرش فناوری (TAM) و تئوری رفتار برنامهریزیشده (TPB)، همراه با توسعههای مربوطه، تحلیلی جامع ارائه میدهد.
از جدول 8 ، اولین یافته قابل توجه در این مطالعه همبستگی مثبت قوی بین نگرانی های محیطی درک شده (PEC) و عوامل تئوری رفتار برنامه ریزی شده (TPB) است. PEC رابطه مثبت و معناداری با کنترل رفتاری درک شده (PBC) (β = 0.581، p <0.001)، هنجارهای ذهنی (SN) (β = 0.585، p <0.001)، و نگرش نسبت به رفتار (ATB) (β = 0.478، p <1) نشان میدهد. PEC همچنین به عنوان یک متغیر پنهان کلیدی در بین تمام سازههای مدل ظاهر میشود، با تأثیر غیرمستقیم مثبت قابلتوجهی بر پذیرش استفاده پایدار (ASU) (β = 0.339). متخصصان ساخت و ساز چینی اهمیت زیادی به وضعیت فعلی و آینده محیط زیست می دهند و معتقدند که BIM باید در ساختمان های سبز و فعالیت هایی با هدف حفظ محیط زیست پیاده سازی شود. علاوه بر این، همانطور که مسائل زیست محیطی به طور فزاینده ای حیاتی می شوند، این متخصصان نگرانی دائمی برای مسائل طرفدار محیط زیست نشان می دهند. این یافته با مطالعات قبلی مطابقت دارد که نشان میدهد افراد اغلب به دلیل نگرانیهای محیطی درگیر رفتارهای طرفدار محیطزیست میشوند ( Sreen et al., 2021 ; Tandon et al., 2020; Chen & Tung, 2014 )، و این نگرانی به طور قابل توجهی بر مقاصد رفتاری تأثیر میگذارد ( Hamzah & Tanwir; 2110 ; 2110 ; Saari و همکاران، 2021 ، Taufique & Vaithianathan، 2018 ). این نشان دهنده آگاهی رو به رشد و اولویت بندی پایداری زیست محیطی در صنعت ساخت و ساز است، جایی که ذینفعان پتانسیل فناوری BIM را برای کاهش اثرات نامطلوب زیست محیطی از طریق برنامه ریزی، طراحی و شیوه های ساخت و ساز کارآمدتر تشخیص می دهند.
جدول 8 . تحلیل مسیر ساختاری: اثر مستقیم، اثر غیر مستقیم، اثرات کل و مقدار P آنها.
| مسیرها | اثر مستقیم | مقدار P اثر مستقیم (β) |
اثر غیر مستقیم | مقدار P اثر مستقیم (β) |
اثر کل (β) | P-value اثر مستقیم |
|---|---|---|---|---|---|---|
| ATB – > ASU | – | – | 0.060 | 0.007 | 0.060 | 0.007 |
| ATB – > BI | 0.151 | 0.003 | – | – | 0.151 | 0.003 |
| BI – > ASU | 0.398 | 0 | – | – | 0.398 | 0 |
| IQ – > ASU | – | 0 | 0.032 | 0 | 0.032 | 0 |
| IQ – > ATB | – | 0 | 0.075 | 0 | 0.075 | 0 |
| IQ – > BI | – | 0 | 0.081 | 0 | 0.081 | 0 |
| IQ – > PEU | 0.112 | 0.015 | – | – | 0.112 | 0.015 |
| IQ – > PU | 0.272 | 0 | 0.032 | 0.017 | 0.303 | 0 |
| PBC – > ASU | 0.372 | 0 | 0.113 | 0 | 0.484 | 0 |
| PBC – > BI | 0.283 | 0 | – | – | 0.283 | 0 |
| SEQ – > ASU | – | – | 0.037 | 0 | 0.037 | 0 |
| SEQ – > ATB | – | – | 0.112 | 0 | 0.112 | 0 |
| SEQ – > BI | – | – | 0.093 | 0 | 0.093 | 0 |
| SEQ – > PEU | 0.328 | 0 | – | – | 0.328 | 0 |
| SEQ – > PU | 0.237 | 0 | 0.093 | 0 | 0.330 | 0 |
| PEC – > ASU | – | – | 0.339 | 0.003 | 0.339 | 0 |
| PEC – > ATB | 0.478 | 0 | – | – | 0.478 | 0 |
| PEC – > BI | – | – | 0.309 | – | 0.309 | 0 |
| PEC – > PBC | 0.581 | 0 | – | – | 0.581 | 0 |
| PEC – > SN | 0.585 | 0 | – | – | 0.585 | 0 |
| PEU – > ASU | – | – | 0.038 | 0 | 0.038 | 0 |
| PEU – > ATB | 0.148 | 0.001 | 0.055 | 0 | 0.203 | 0 |
| PEU – > BI | – | – | 0.095 | 0 | 0.095 | 0 |
| PEU – > PU | 0.283 | 0 | – | – | 0.283 | 0 |
| PU – > ASU | – | 0 | 0.103 | – | 0.103 | 0 |
| PU – > ATB | 0.193 | 0.001 | – | – | 0.193 | 0 |
| PU – > BI | 0.229 | 0.007 | 0.029 | 0.013 | 0.258 | 0 |
| SN – > ASU | – | 0.007 | 0.049 | 0.009 | 0.049 | 0.009 |
| SN – > BI | 0.123 | 0.006 | – | – | 0.123 | 0.006 |
| SYQ – > ASU | – | 0.001 | 0.024 | 0 | 0.024 | 0 |
| SYQ – > ATB | – | 0 | 0.078 | 0 | 0.078 | 0 |
| SYQ – > BI | – | 0 | 0.060 | 0 | 0.060 | 0 |
| SYQ – > PEU | 0.256 | 0 | – | – | 0.256 | 0 |
| SYQ – > PU | 0.136 | 0.001 | 0.072 | 0 | 0.209 | 0 |
دومین یافته جالب در این مطالعه این است که PBC بیشترین تأثیر کلی را بر AUS دارد (484/0 = β، 001/0 p < ). با این حال، تحقیقات بعدی ( آرمیتاژ و کانر، 2001 ؛ کرافت و همکاران، 2005 ) شواهدی را ارائه کردند که نشان میدهد PBC، همانطور که توسط آجن (2002) مفهومسازی شده است ، از دو جزء کلیدی تشکیل شده است: خودکارآمدی و کنترل پذیری درک شده. خودکارآمدی به عوامل کنترل داخلی مانند دانش و مهارت اشاره دارد و منعکس کننده درک فرد از سهولت یا دشواری انجام یک رفتار خاص و همچنین اعتماد او به توانایی خود در اجرای آن است. در مقابل، کنترل پذیری درک شده شامل عوامل کنترل بیرونی، مانند منابع، فرصت ها و موانع بالقوه است و منعکس کننده باور فرد است که اجرای رفتار کاملاً تحت کنترل اوست. بنابراین، دیدگاه فعلی این است که PBC به خودکارآمدی ادراک شده و کنترل پذیری درک شده تقسیم می شود، که خودکارآمدی درک شده معمولاً بر حسب دشواری درک شده و اعتماد درک شده اندازه گیری می شود ( Ajzen, 2002 ؛ Armitage & Conner, 2001 ؛ Courneya 20006, Kraft 2006, 2000, 2000, 2000, 2000, 2000, 2000, 2000 , 2000, 2006, Kraft. Schlaegel & Koenig، 2014 وامواکا و همکاران، 2020 ).
بر اساس تئوری های فوق، به راحتی می توان درک کرد که چرا کنترل رفتاری ادراک شده (PBC) بیشترین تأثیر را بر استفاده واقعی از سیستم (AUS) دارد. از یک طرف، PBC درک پزشکان از سهولت یا دشواری اعمال BIM در ساختمان های سبز را از دیدگاه شخصی منعکس می کند. از سوی دیگر، کنترل پذیری درک شده تأثیر عوامل خارجی مانند پشتیبانی دولت، هزینه اجرای BIM، فرصتهای کاربرد BIM و در دسترس بودن نرمافزار و تجهیزات را در بر میگیرد. داده ها تأثیر مثبت قابل توجهی از PBC بر AUS را نشان می دهد، که نشان می دهد متخصصان ساخت و ساز چینی به کاربرد BIM در ساختمان های سبز اعتماد دارند. علاوه بر این، نشان میدهد که عوامل خارجی، از جمله سیاستها، تأمین مالی و توسعه نرمافزار، تأثیر مثبتی دارند ( Vamvaka et al., 2020 ).
سومین یافته قابل توجه در این مطالعه این است که BI دومین عامل تأثیرگذار برای ASU است، با اثر کل (β) 0.331 و p-value 0. این بر نقش حیاتی پیوند رفتار قصد در فرآیند پذیرش تأکید می کند. این نتیجه با فرض اصلی تئوری رفتار برنامه ریزی شده (TPB) سازگار است، که بیان می کند هر چه قصد قوی تر برای انجام یک رفتار وجود داشته باشد، احتمال اعمال آن بیشتر است ( Ajzen, 1991 ). بنابراین، افرادی که قصد استفاده از فناوری BIM را دارند، به احتمال زیاد آن را در جریان کاری خود قرار می دهند. این امر اهمیت مداخلاتی را با هدف تأثیرگذاری مثبت بر این اهداف، مانند برنامههای آموزشی، کمپینهای آگاهی، و ترویج مطالعات موردی موفق، برجسته میکند.
چهارمین یافته این مطالعه این است که ضریب هوشی تأثیر قابل توجهی بر PU (272/0=β، 001 /0p <) و PEU (112/0=β، 015/0= p ) دارد. IQ به طور گسترده به عنوان یک پیش نیاز اساسی برای استفاده از هر دو سیستم در نظر گرفته می شود ( DeLone & McLean, 1992 ; DeLone & McLean, 2003 ). این یافته با نتایج مطالعات مشابه مطابقت دارد ( Almaiah & Alismaiel, 2019 ; Alzahrani et al., 2019 ; Cidral et al., 2018 ; Koranteng et al., 2020 ; Shim & Jo, 2020 ; Yakubu2 & Dasuki, 2020 ). IQ به ویژگی های مطلوب خروجی تولید شده توسط یک سیستم اطلاعاتی اشاره دارد ( اورباخ و مولر، 2012 ). خروجی های یک سیستم اطلاعاتی معمولاً از نظر دقت، به روز بودن، سودمندی و قابلیت اطمینان ارزیابی می شوند ( DeLone & McLean, 2003 ; Gable et al., 2008 ; McKinney et al., 2002 ). سیستم BIM باید اطلاعات مرتبط، جامع، به موقع و دقیق را برای افزایش سودمندی و استفاده آسان ارائه دهد.
پنجمین یافته این مطالعه این است که SYQ تأثیر قابل توجهی بر PU (209/0=β، 001/0p <) و PEU (256/0=β، 001/0p<) دارد. این یافته ها با یافته های گزارش شده در مطالعات مشابه مطابقت دارد ( آلمایا و آلیسماعیل، 2019 ؛ الزهرانی و همکاران، 2019 ؛ یاکوبو و داسوکی، 2018 ). SYQ به قابلیت استفاده و ویژگی های عملکرد یک سیستم اطلاعاتی اشاره دارد ( DeLone & McLean, 2003 ; Urbach & Müller, 2012 ). کیفیت هایی مانند سهولت یادگیری، سهولت استفاده، پاسخگویی، قابلیت اطمینان، قابلیت استفاده، در دسترس بودن و انعطاف پذیری نمونه هایی از ویژگی های ارزش گذاری شده توسط کاربران BIM هستند ( DeLone & McLean, 2002 ; DeLone & McLean, 2004 ; Gable et al., 2008 ). این نشان می دهد که BIM تحت تأثیر قابلیت استفاده بالا، قابلیت اطمینان، زمان پاسخ کوتاه و سهولت یادگیری سیستم است. با افزایش کیفیت سیستم BIM، میزان استفاده نیز افزایش می یابد. بنابراین، عواملی مانند مزایای درک شده، سهولت یادگیری، و قابل درک بودن – عوامل کلیدی تعیین کننده کیفیت سیستم – با استفاده بیشتر از سیستم همبستگی مثبت دارند.
ششمین یافته این مطالعه نشان میدهد که SYQ به طور قابلتوجهی بر هر دو PU (330/0=β، 001/0p<) و PEU (382/0=β، 001/0p<) تأثیر میگذارد . این نتایج با نتایج مطالعات قبلی مطابقت دارد ( آلمایا و علیسماعیل، 2019 ؛ الزهرانی و همکاران، 2019 ؛ کورانتنگ و همکاران، 2020 ؛ شیم و جو، 2020 ). این عامل کیفیت پشتیبانی ارائه شده توسط توسعه دهنده سیستم اطلاعاتی را ارزیابی می کند ( DeLone & McLean, 2003 ). زیرساخت کافی است و خدمات ارائه شده توسط سیستم قابل اعتماد هستند و به طور موثر از فرآیندهای ساخت و ساز ساختمان سبز پشتیبانی می کنند. اعتقاد بر این است که این عوامل استفاده بیشتر از سیستم BIM را تسهیل می کنند. علاوه بر این، بهبود در کیفیت خدمات به استفاده موثرتر از سیستم BIM کمک می کند.
5.1 . مشارکت های نظری
مدل ارائهشده در این مطالعه، که مقبولیت و استفاده از مدلسازی اطلاعات ساختمان (BIM) را در ساختمانهای سبز در چین بررسی میکند، یکپارچهسازی شده و بر روی یک ملیله غنی از تحقیقات قبلی ساخته شده است. این تحقیق با ترکیب چارچوبهای تحقیقاتی متعدد، از جمله مدل پذیرش فناوری (TAM) و تئوری رفتار برنامهریزیشده (TPB)، همراه با توسعههای مربوطه، تحلیلی جامع ارائه میدهد. موفقیت آن در تعیین عواملی که بر پذیرش و استفاده واقعی از فناوری BIM در زمینه ساخت و ساز پایدار تأثیر می گذارد، نه تنها استحکام آن را در صنعت BIM و بازار چین تأیید می کند، بلکه کاربرد گسترده تر آن را در صنایع مختلف و زمینه های جغرافیایی نشان می دهد.
قابلیت تعمیم این مدل به سایر صنایع و کشورها بر اصول جهانی مبتنی بر فرآیندهای تصمیم گیری مرتبط با پذیرش و استفاده از فناوری است. به عنوان مثال، عواملی مانند نگرانی محیطی ادراک شده، قصد رفتاری، و کنترل رفتاری ادراک شده منحصر به صنعت ساخت و ساز یا چین نیستند. این عناصر نقش مهمی در شکلدهی رفتارهای پذیرش فناوری در بخشهای مختلف، از مراقبتهای بهداشتی و آموزشی گرفته تا تولید و فناوری اطلاعات، در چشماندازهای مختلف فرهنگی و اقتصادی دارند. با درک نحوه تعامل این عوامل برای تأثیرگذاری بر استفاده واقعی از سیستم، ذینفعان در سایر صنایع می توانند استراتژی های هدفمندی را برای افزایش پذیرش و استفاده مؤثر از فناوری های نوآورانه توسعه دهند.
علاوه بر این، نرم افزار BIM تا حد زیادی در سراسر کشورهای جهان استاندارد شده است. به عنوان مثال، نرم افزار مدل سازی BIM که معمولاً در همه کشورها از جمله چین استفاده می شود، Autodesk’s Revit است. در حالی که بلوغ توسعه BIM از کشوری به کشور دیگر متفاوت است، چالشهای پیش روی عموماً مشابه هستند. بنابراین، یافته های این پژوهش را می توان به کشورهای دیگر تعمیم داد.
علاوه بر این، تأکید مدل بر پایداری زیستمحیطی از طریق دریچه پذیرش BIM در ساختمانهای سبز نشاندهنده یک ضرورت جهانی رو به رشد در بین صنایع برای ادغام شیوههای پایدار است. آگاهی روزافزون از مسائل زیست محیطی و نیاز مبرم به توسعه پایدار، صنایع را در سراسر جهان به بازنگری در شیوه های عملیاتی، تولیدی و مدیریتی خود سوق می دهد. در این زمینه، این مدل چارچوبی ارزشمند برای بررسی چگونگی استفاده موثر راهحلهای فنآوری برای دستیابی به اهداف پایداری، صرفنظر از صنعت یا کشور، فراهم میکند.
علاوه بر این، سازگاری این مدل با زمینههای مختلف بر اهمیت تحقیقات بین رشتهای و پتانسیل تلاشهای مشترک برای رسیدگی به چالشهای پیچیده جهانی تأکید میکند. با استفاده از این مدل برای مطالعه پذیرش و استفاده از فناوری در محیطهای مختلف، محققان و متخصصان میتوانند بینشهای منحصربهفردی را در مورد عواملی که پذیرش فناوری را هدایت میکنند یا مانع آن میشوند، کشف کنند، در نتیجه طراحی مداخلات مؤثرتر برای ترویج پذیرش گسترده فناوری و شیوههای پایدار را تسهیل میکنند.
به طور خلاصه، ادغام مدل حاضر از نظریههای تحقیقاتی متنوع برای مطالعه مقبولیت فناوری BIM در ساختمانهای سبز نه تنها به درک ما در این حوزه خاص کمک میکند، بلکه چارچوبی همهکاره را ارائه میدهد که میتواند برای کشف رفتارهای پذیرش فناوری در سایر صنایع و کشورها اعمال شود. تمرکز آن بر روی قصد استفاده و استفاده واقعی از سیستم، همراه با در نظر گرفتن نگرانی های زیست محیطی، آن را به عنوان ابزاری قدرتمند برای هدایت تحقیقات و عملکردهای آینده به سمت دستیابی به اهداف فناوری و پایداری گسترده تر در سطح جهانی قرار می دهد.
5.2 . مفاهیم عملی
این مطالعه نقش حیاتی فناوری مدل سازی اطلاعات ساختمان (BIM) را در افزایش پایداری شیوه های ساخت و ساز تایید می کند. ابعاد چندوجهی اجرای عملی آن در پروژه های ساختمان سبز را روشن می کند. این تحقیق تاکید می کند که BIM صرفا یک ابزار فناورانه نیست، بلکه یک رویکرد جامع است که دسته های مختلف اطلاعات را در مدل های ساختمان ادغام می کند و مدیریت پیچیده و بهینه سازی فرآیندهای طراحی، ساخت و بهره برداری ساختمان را ممکن می سازد. همانطور که توسط Guo و همکاران اشاره شده است. (2021) ، ظرفیت BIM برای در بر گرفتن طیف گسترده ای از انواع داده ها – از مشخصات مواد و عملکرد انرژی گرفته تا ارزیابی اثرات زیست محیطی – آن را به یک دارایی ضروری برای پیشبرد طرح های ساختمان سبز تبدیل می کند.
یافتههای این مطالعه، که نگرانیهای محیطی درک شده، کنترل رفتار ادراک شده و قصد رفتاری را برجسته میکند، به عنوان مهمترین پیشبینیکنندههای استفاده واقعی سیستم از فناوری BIM، بازتاب شناخت گستردهتر جامعه و صنعت از نیاز فوری به پرداختن به چالشهای زیستمحیطی از طریق راهحلهای نوآورانه و مؤثر است. مقادیر بالای β مرتبط با این عوامل نشاندهنده روابط علی قوی است، که نشان میدهد پذیرش موفقیتآمیز فناوری BIM ارتباط نزدیکی با آگاهی محیطی ذینفعان، انگیزه مشارکت در شیوههای پایدار، و امکانپذیری درک شده اجرای فناوری BIM دارد.
تاکید بر نگرانی محیطی ادراک شده، به آگاهی حاد از مسائل زیست محیطی در میان ذینفعان اشاره می کند و بر نقش ضروری ساختمان های سبز در کاهش تخریب محیط زیست تاکید می کند. با توجه به تأثیر قابل توجه ساختمان ها بر منابع طبیعی، مصرف انرژی و انتشار کربن، اتخاذ فناوری BIM در پروژه های ساختمان سبز به طور فزاینده ای به عنوان یک استراتژی ضروری برای ارتقای پایداری زیست محیطی دیده می شود.
با این حال، تحقق پتانسیل BIM در این حوزه منوط به حمایت همه جانبه در ابعاد مختلف، از جمله تدوین سیاست، مشوق های اقتصادی، و توسعه استعدادها است. سیاستگذاران نقش مهمی در ایجاد یک محیط نظارتی مساعد دارند که استفاده از BIM را در ساختمانهای سبز از طریق دستورات، استانداردها و دستورالعملهایی که ملاحظات پایداری را در شیوههای ساخت و ساز ادغام میکند، تشویق میکند. مشوقهای اقتصادی، مانند کمکهای مالی، یارانهها و مزایای مالیاتی، میتوانند موانع سرمایهگذاری اولیه در فناوری BIM را کاهش دهند و آن را برای شرکتکنندگان صنعت در دسترستر کنند.
به همان اندازه مهم توسعه سرمایه انسانی است که باید به مهارت ها و دانش لازم برای استفاده موثر از فناوری BIM مجهز باشد. این امر مستلزم آموزش فنی در نرم افزار و ابزار BIM و آموزش اصول و شیوه های طراحی پایدار است. تلاشهای مشترک بین مؤسسات آموزشی، انجمنهای صنعتی و ارگانهای دولتی برای پرورش نیروی کاری که بتواند ادغام موفقیتآمیز فناوری BIM در پروژههای ساختمان سبز را هدایت کند، حیاتی است.
در نتیجه، این مطالعه ضرورت و اهمیت پذیرش فناوری BIM را در پیگیری شیوههای ساخت و ساز پایدار برجسته میکند. این امر خواستار رویکردی کل نگر است که نیازهای فنی، نظارتی، اقتصادی و آموزشی را مورد توجه قرار دهد، و تأکید می کند که تلاش جمعی همه ذینفعان برای استفاده از پتانسیل کامل BIM در دستیابی به اهداف پایداری زیست محیطی در صنعت ساخت و ساز ضروری است.
5.3 . محدودیت ها و تحقیقات آتی
علیرغم تازگی بالا و سهم قابل توجه این مطالعه، ما چندین محدودیت در یافته های مطالعه حاضر را تصدیق می کنیم. از یک سو، پاسخ دهندگان در استان ها یا شهرهای مختلف بودند. استان ها یا شهرهای مختلف می توانند منجر به سطوح متفاوتی از BIM و ساختمان سبز شوند. از سوی دیگر، علاوه بر عوامل تأثیرگذار انتخاب شده در این مطالعه، بسیاری از عوامل دیگر بر کاربرد BIM در ساختمان سبز تأثیر میگذارند، مانند هزینهها، زیرساخت، تخصص فنی، کیفیت حرفهای کارگران و غیره. تحقیقات آینده برای مطالعه این موضوع با استفاده از رویکردهای روششناختی دیگر مانند یادگیری ماشین ادامه خواهد یافت.
Leave A Comment