MétaCan
Menu
Retour à la cohorte
Enregistrement W2128728827 · doi:10.1177/1365782806072671

Optical models of complex fenestration systems

2007· article· en· W2128728827 sur OpenAlexafffund
Abdelaziz Laouadi, A. Parekh

Notice bibliographique

RevueLighting Research & Technology · 2007
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensNatural Resources CanadaNational Research Council Canada
Organismes subventionnairesNatural Resources CanadaNational Research Council CanadaChina Electronics Technology Group Corporation
Mots-clésGlazingFenestrationMaterials scienceOpticsScatteringComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

The need for energy conservation in buildings has spurred innovations in window technologies. These products include windows combined with shading devices, and windows featuring complex glazing such as switchable glazing, diffuse glazing, translucent and transparent insulation, patterned or decorative glass, etc. Current fenestration simulation tools for energy performance product ratings do not cover complex fenestration products. This paper addresses the development of detailed calculation models to compute the optical characteristics of complex fenestration products made up of a mixture of clear and scattering glazing layers. The models take into account not only the optical properties of the individual glazing layers making up the window product, but also the haze and gloss properties of the glazing layers. Specific optical models are developed to compute the optics of a clear substrate with applied or laminated scattering film, and composite film made up of a number of homogeneous materials with known optical properties. A general optical model was also developed for screen-like glazing panes such as insect/shading screens, roller blinds, drapery sheets, honeycomb transparent insulation and fibreglass translucent glazing.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,121
Tête enseignante GPT0,375
Écart entre enseignants0,254 · 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'étudeSimulation ou modélisation
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

Citations30
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLighting Research & TechnologyMême sujetAerogels and thermal insulationTravaux en français237 207