Inter-University Sustainability Benchmarking for Canadian Higher Education Institutions: Water, Energy, and Carbon Flows for Technical-Level Decision-Making
Notice bibliographique
Résumé
The education sector is one of the major contributors to the total greenhouse gas (GHG) emissions in Canada, i.e., 16% of total emissions among 11 sectors. Canadian higher education institutions (HEIs) consume around 60% of the total energy fed to the educational sector. Existing tools holistically cover a wide array of functions to assess the sustainability of HEIs. The infrastructure (engineered) systems are the pivotal units responsible for the majority of energy and water consumption and may have been built, retrofitted, or replaced at different times using different materials and technologies. Consequently, infrastructures have varying efficiency, designs, building envelopes, and environmental impacts. For technical-level decision making for improving the engineered systems, HEIs need to be benchmarked on the basis of their water, energy, and carbon flows. A methodology is developed for sustainability assessment of 34 Canadian HEIs that are classified into small, medium, and large sizes based on their number of full-time equivalent students (FTE). Energy, water consumption, number of students, and floor area is measured in different units and are, thus, normalized. The study revealed that the energy source was the primary factor affecting the sustainability performance of an institution. The analysis also revealed that small-sized institutions outperformed medium-to-large-sized institutions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».