MétaCan
Menu
Retour à la cohorte
Enregistrement W2570152866 · doi:10.3992/jgb.11.4.131.1

PERFORMANCE OF SUSTAINABLE BUILDINGS IN COLDER CLIMATES

2016· article· en· W2570152866 sur OpenAlexaboutno aff
Mark Gorgolewski, Craig Brown, Anne-Mareike Chu, Adrian Turcato, Karen H. Bartlett, Ghazal Ebrahimi, Murray Hodgson, Shauna Mallory-Hill, Mohamed Ouf, Leila Scannell

Notice bibliographique

RevueJournal of Green Building · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOccupancyContext (archaeology)Architectural engineeringProcess (computing)Post-occupancy evaluationGreen buildingFacility managementSustainabilityBuilding designEnergy performanceBuilding codeComputer scienceEfficient energy useEnvironmental resource managementEngineeringBusinessEnvironmental scienceEcologyGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Building performance evaluations (BPEs) were carried out for nine Canadian green buildings using a standardised assessment framework. The aim was to explore and measure the discrepancies between the operational performance of the buildings and their predicted performance, as well as to identify lessons for their owners, design teams and the construction industry. The objective of this paper is not to report individual buildings in detail (we refer the reader to the individual building reports) but to report on some general lessons that came from doing this study. Overall these buildings performed well compared to benchmarks. However, the findings suggest that occupancy is not well understood and often incorrectly predicted during design, and that this affects various aspects of performance, including energy and water use. Also energy and water use modelling is often undertaken principally for building code/green rating compliance purposes and does not necessarily represent an accurate prediction of likely operational use. Combined with variations in occupancy this can lead to considerable discrepancies in performance from the modelled values. This may be understood by experts but is often misleading to building owners and others. Water use is often not well predicted and also not carefully managed in buildings and there is a lack of understanding of what constitutes good water performance. Overall, it is important to recognise that each building has its own individual “story” that provides necessary context for effective management and improvement of the building during its ongoing life. It is proposed that a BPE process allows that context to be better understood, and enables more effective decision making about building management, improvements, occupant satisfaction, energy use, etc.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,653

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,220 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Green BuildingMême sujetSustainable Building Design and AssessmentTravaux en français237 207