MétaCan
Menu
Retour à la cohorte
Enregistrement W2528620333 · doi:10.1108/ohi-03-2008-b0004

Implementation Strategies for Solar Communities

2008· article· en· W2528620333 sur OpenAlexaffabout
Cassidy Johnson, L. Dignard‐Bailey

Notice bibliographique

RevueOpen House International · 2008
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensGovernment of CanadaNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésRenewable energySubsidyScale (ratio)Work (physics)BusinessSolar energyProcess (computing)Environmental economicsArchitectural engineeringConsumption (sociology)EngineeringEnvironmental planningEnvironmental resource managementPolitical scienceGeographyEnvironmental scienceEconomicsSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Work on the design and implementation for solar homes has been expanded to the community scale in several international projects. If low-carbon emission housing is to make an impact on citywide consumption of energy, we must move towards community-scale implementation of solar technologies, both in new housing developments and in existing ones. However, the uptake of solar communities requires new methods for implementation to promote innovation in the building industry, new policies and programmes on energy consumption and energy subsidies, as well as community-scale design guidelines for solar or other renewable technologies. This research surveys the implementation process of selected solar community projects in Netherlands, United States and Canada. It looks at new policies and programmes that are promoting community-scale solar projects from the perspective of innovation in the building industry. It examines the various actors that are necessary for solar communities within an urban planning framework and identifies five main actor groups.

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)0,010
score de la tête « metaresearch » (Gemma)0,020
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,003
Communication savante0,0050,004
Science ouverte0,0020,010
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,001

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 Opus0,379
Tête enseignante GPT0,486
Écart entre enseignants0,107 · 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

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen House InternationalMême sujetdemographic modeling and climate adaptationTravaux en français237 207