MétaCan
Menu
Retour à la cohorte
Enregistrement W1585588580 · doi:10.1080/09613218.2015.1036227

Learning from failure: understanding the anticipated–achieved building energy performance gap

2015· article· en· W1585588580 sur OpenAlexaffabout
Laura Fedoruk, Raymond J. Cole, John Robinson, Alberto Cayuela

Notice bibliographique

RevueBuilding Research & Information · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensUniversity of British Columbia HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSustainabilityKey (lock)Energy (signal processing)Architectural engineeringEnergy performanceBuilding scienceEfficient energy useBuilding designComputer scienceProcess managementBusinessEnvironmental economicsEngineeringEconomicsComputer security

Résumé

récupéré en direct d'OpenAlex

Over the past 20 years a number of studies have identified and provided explanations for a significant ‘performance gap' between designed and actual energy performance of buildings. The anticipated and achieved energy performance of an advanced, innovative building that aspired to net-positive energy performance is studied: the Centre for Interactive Research on Sustainability (CIRS) building at the University of British Columbia in Vancouver, Canada. Selected performance ‘failures’ that became evident during operation of CIRS are studied for how they were discovered and the efforts required for their resolution: the energy systems and associated controls and monitoring. The key findings show the barriers were neither economic nor technical. Instead, the primary impediments were institutional regimes – arising from the ways that various life-cycle stages were specified, contracted and implemented. The key issues emphasize the importance of having meaningful and effective building energy monitoring capabilities, an understanding of energy system boundaries in design and analysis, crossing the gaps between different stages of a building life cycle, and feedback processes throughout design and operation. The disclosure of ‘failure’ and lessons learned is a valuable contribution to subsequent advancement for the building stakeholders and the wider professional and research communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0050,024
Communication savante0,0160,037
Science ouverte0,0050,018
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,316
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations76
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBuilding Research & InformationMême sujetSustainable Building Design and AssessmentTravaux en français237 207