MétaCan
Menu
Retour à la cohorte
Enregistrement W2162239134 · doi:10.1108/14714171111124149

House construction CO<sub>2</sub> footprint quantification: a BIM approach

2011· article· en· W2162239134 sur OpenAlexaff
Don Mah, Juan D. Manrique, Haitao Yu, Mohamed Al‐Hussein, Reza Nasseri

Notice bibliographique

RevueConstruction Innovation · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensCanadian Natural Resources
Organismes subventionnairesnon disponible
Mots-clésCarbon footprintGreenhouse gasFraming (construction)Building information modelingConstruction industryEngineeringArchitectural engineeringProcess (computing)OriginalityCivil engineeringEnvironmental scienceComputer scienceConstruction engineeringCompatibility (geochemistry)

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to establish a baseline for carbon dioxide (CO2) emissions quantification in the current residential construction process. Opportunities to reduce the environmental footprint of the homebuilding process are also identified. Design/methodology/approach CO2 emissions of various house construction stages are quantified and utilised in a 3D building information model. This allows rapid emission computations for various house sizes, designs and materials. An intelligent database calculates emissions for different house styles with different construction processes. Findings Two construction stages (basement walls foundation and framing) were identified as high CO2 emissions contributors. In addition, equipment operation on site, transportation to and from the site and heating for curing concrete were identified as the main sources of emissions during construction. Originality/value The paper addresses the limited attention given to CO2 emissions during the actual construction process. The introduction of building information modeling for quantifying emissions in the construction process is of significant value. This research is pertinent to the international homebuilding industry and homebuyers who all have a role in mitigating CO2 emissions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,035
Tête enseignante GPT0,216
Écart entre enseignants0,181 · 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

Citations33
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction InnovationMême sujetBIM and Construction IntegrationTravaux en français237 207