MétaCan
Menu
Retour à la cohorte
Enregistrement W2806566644 · doi:10.1556/1848.2018.9.1.5

Thermal bridges in building envelopes – An overview of impacts and solutions

2018· article· en· W2806566644 sur OpenAlexafffund
Abdalhadi Alhawari, Phalguni Mukhopadhyaya

Notice bibliographique

RevueInternational Review of Applied Sciences and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesUniversity of Victoria
Mots-clésBridge (graph theory)Thermal bridgeBridging (networking)ThermalThermal comfortSlabThermal conductivityArchitectural engineeringEfficient energy useDurabilityCivil engineeringEnvironmental scienceEngineeringStructural engineeringComputer scienceMaterials scienceThermal insulationComposite materialLayer (electronics)Meteorology

Résumé

récupéré en direct d'OpenAlex

Increasing building energy performance has become an obligatory objective in many countries. Thermal bridge is a major cause of poor energy performance, durability, and indoor air quality of buildings. This paper starts with a review of thermal bridges and their negative impacts on building energy efficiency. Based on published literatures, various types of building thermal bridges are discussed in this paper, including the most effective solutions to diminish their impacts. In addition, various numerical and experimental studies on the balcony thermal bridge are explored. Results show that among all types of thermal bridges, the exposed balcony slab produces the most challenging thermal bridging problem where an integrated thermal and structural design is required. Using low thermal conductivity materials in building construction could help in reducing the impact of thermal bridges. Finally, further investigations are needed to develop more innovative and effective solutions for the balcony thermal bridge.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,030
Tête enseignante GPT0,282
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Applied Sciences and EngineeringMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207