Development of dispute prediction and resolution method selection models for construction disputes

Abstract

İnşaat sektöründe uyuşmazlıkların sayısı ve şiddetindeki artış, sektörü ciddi sıkıntılara sokarken mevcut uygulamaların uyuşmazlıkların önüne geçmekte yetersiz kaldığını da ortaya koymaktadır. Bu araştırmada inşaat projelerindeki uyuşmazlıkların önüne geçilmesi için makine öğrenmesi tekniklerine dayanan tahmin modellerinin geliştirilmesi önerilmektedir. Buna göre üç farklı model önerilmiştir: (1) uyuşmazlık oluşumu tahmin modeli, (2) potansiyel tazminat tahmin modeli ve (3) uyuşmazlık çözüm yöntemi seçim modeli. Bu nedenle, uyuşmazlık oluşumunu, tazminatları ve çözüm yöntemlerini etkileyen değişkenlerin belirlenebilmesi için kapsamlı bir literatür taraması yapılmıştır. Literatür taramasından elde edilen bulgular kavramsal bir model geliştirilmesinde kullanılmıştır. Geliştirilen kavramsal model proje, taraflar, değişiklikler, gecikmeler, uyuşmazlıklar, çözüm yöntemleri ve çözüm yöntemi bilgi seviyeleri hakkında değişkenler içermektedir. Tahmin modellerinin geçmiş inşaat projelerinden alınan verilere dayalı olması için kavramsal modele dayanan bir anket hazırlanarak karar vericilere uygulanmıştır. Toplanan veri setleri üzerinde Ki-Kare testleri uygulanarak model girdileri ile çıktıları arasındaki ilişkiler test edilmiştir. Çıktılar üzerindeki etkisi istatistiksel olarak anlamlı olmayan değişkenler modelden elenerek tahmin modellerinin son haline ulaşılmıştır. Bu modeller, en iyi sınıflandırıcıyı tespit etmek için alternatif tekli ve grup (çoklu) makine öğrenmesi algoritmaları ile test edilmiştir. On kez tekrarlanan 10 katlı çapraz doğrulama sonuçlarına göre uyuşmazlık oluşumu tahmin modeli %91.11 ortalama tahmin doğruluğu yakalamıştır. Bu oran, potansiyel tazminat tahmin modeli için %80.61 ve uyuşmazlık çözüm yöntemi seçim modeli için %89.44 olmuştur. Bu sonuçların ışığında, araştırmada önerilen modellerin gelecekte çıkacak uyuşmazlıkların karar verme süreçlerinde karar vericileri destekleyebileceği görülmektedir.

Construction industry is overwhelmed by increasing number and severity of disputes proving that current practices are insufficient in avoidance. This research argues that in order to forestall and mitigate construction disputes, prediction models should be developed by utilizing machine learning algorithms. The research suggests developing three distinct models; (1) dispute occurrence prediction model, (2) potential compensation prediction model, and (3) resolution method selection model. For this reason, an extensive literature review is conducted to identify input variables that impact dispute occurrence, compensation, and resolution method selection. Findings of the literature review is used to develop a conceptual model that involves attributes related to project, parties, dispute, and resolution method characteristics along with attributes related to changes, delays, and knowledge on resolution methods. Then, a questionnaire is designed based on the conceptual model to collect empirical data from decision-making authorities. Chi-Square tests of association is performed on collected datasets to reveal the significance of associations between inputs and outputs. Insignificant attributes are eliminated and finalized prediction models are developed. These models are tested by using alternative single and ensemble machine learning algorithms to obtain the best classifiers. 10-fold cross-validation results with ten repeats showed that dispute occurrence prediction model achieved 91.11% average prediction accuracy while potential compensation prediction model achieved 80.61% average accuracy and resolution method selection model has 89.44% average classification accuracy. These promising results show that proposed models can be beneficial for management personnel by supporting the decision-making process in future disputes based on data from past disputes.