Rethinking Performance Gaps: A Regenerative Sustainability Approach to Built Environment Performance Assessment
Notice bibliographique
Résumé
Globally, there are significant challenges to meeting built environment performance targets. The gaps found between the predicted performance of new or retrofit buildings and their actual performance impede an understanding of how to achieve these targets. This paper points to the importance of reliable and informative building performance assessments. We argue that if we are to make progress in achieving our climate goals, we need to reframe built environment performance with a shift to net positive goals, while recognising the equal importance of human and environmental outcomes. This paper presents a simple conceptual framework for built environment performance assessment and identifies three performance gaps: (i) Prediction Gap (e.g., modelled and measured energy, water consumption); (ii) Expectations Gap (e.g., occupant expectations in pre- and post-occupancy evaluations); and, (iii) Outcomes Gap (e.g., thermal comfort measurements and survey results). We question which of measured or experienced performance is the ‘true’ performance of the built environment. We further identify a “Prediction Paradox”, indicating that it may not be possible to achieve more accurate predictions of building performance at the early design stage. Instead, we propose that Performance Gaps be seen as creative resources, used to improve the resilience of design strategies through continuous monitoring.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».