MétaCan
Menu
Retour à la cohorte
Enregistrement W2746916065 · doi:10.5194/isprs-archives-xlii-2-w5-221-2017

THE FEASIBILITY OF “OSCAR” AS AN INFORMATION SYSTEM FOR SUSTAINABLE REHABILITATION OF BUILT HERITAGE

2017· article· en· W2746916065 sur OpenAlexafffund
Carson Farmer, Cory Rouillard

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensCarleton University
Organismes subventionnairesNational Center for Preservation Technology and TrainingNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésCultural heritageWorkflowSustainable developmentResource (disambiguation)Field (mathematics)Environmental resource managementEnvironmental planningBusinessComputer scienceArchitectural engineeringEngineeringPolitical scienceGeographyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract. This paper aims to examine the feasibility of the Online Sustainable Conservation Assistance Resource (OSCAR) as an information system and framework to help find appropriate ways to improve the sustainable performance of heritage buildings in North America. The paper reviews the need for holistic comprehensive authoritative information in the field of sustainable conservation, how OSCAR addresses this gap, the OSCAR workflow, and how it was used in two case studies. It was found that OSCAR has potential to become a practical educational tool and design aide to address the sustainable performance of heritage buildings. The paper contributes to the discourse on sustainable conservation by examining resources and tools which address the need for holistic retrofit approaches. The findings will be useful to educators and professionals in the fields of sustainable design and heritage conservation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,005
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,293
Écart entre enseignants0,258 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciencesMême sujetConservation Techniques and StudiesTravaux en français237 207