Construction professionals’ environmental perceptions of lumber, concrete and steel in Japan and China
Notice bibliographique
Résumé
As green building programs (GBPs) are introduced in Asian countries, the question of how GBPs evaluate the “greenness” of construction practice becomes one of the most critical uncertainties for the building material industry. To better understand construction professionals’ perception of greenness and the greenness of different building materials in Japan and China, surveys were conducted in both countries in 2009 and 2010. The surveys were designed to evaluate professionals’ perceptions of the relative importance of the major environmental attributes of resource efficiency. Chinese and Japanese professionals ranked the environmental attributes similarly even though their construction practices are very different. They perceive that saving energy and saving water are substantially more important environmental attributes than using renewable materials, having a low carbon footprint and using recycled materials. Second, the survey was designed to gain insights into the respondents’ perceptions of the relative environmental performance of the three major structural building materials (wood, concrete and steel). In both countries, construction professionals perceive lumber as having the best environmental performance relative to concrete and steel. However, Chinese and Japanese professionals have different perceptions of lumber in terms of its environmental friendliness. In Japan, energy efficiency of houses, the level of pollution generated during the manufacturing process, and CO 2 emissions contribute to the evaluation of the environmental friendliness of lumber. In China, the sustainability of the resource is the main factor perceived as promoting the environmental friendliness of lumber.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».