MétaCan
Menu
Retour à la cohorte
Enregistrement W2945913182 · doi:10.4108/eai.13-7-2018.158874

The overview of green building sector in Slovakia

2019· article· en· W2945913182 sur OpenAlexaboutno aff
Július Golej, Andrej Adamuščin

Notice bibliographique

RevueEAI Endorsed Transactions on Energy Web · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTransport and Logistics Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Order (exchange)Architectural engineeringGreen buildingSustainable developmentBusinessEnvironmental resource managementGeographyEnvironmental scienceEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Green buildings have become a global trend in recent years, reflecting a social order for sustainable development from the sides of all stakeholders. This is confirmed by the fact that the global construction of green buildings comprises for almost a quarter of the total production of all buildings. Buildings generally represent a huge sector of energy consumers, so it is now necessary to reduce this consumption through smart design solutions and an appropriate building management system that will ensure efforts to achieve sustainable and smart urban requirements for the use of intelligent technologies. Regarding to the development of green buildings, Slovakia belongs to developing countries. The term "green building" is slowly becoming familiar in Slovakia, although it should be noted that the green building certification systems are only at the beginning. Also, the legislative and other financial support instruments for green buildings in Slovakia are under the phase of consideration and do not exist in practice. In the following paper, the authors explore green building sector in Slovakia. They present their development and overview, rating systems and analyses the most important investors and key local companies related to green buildings in Slovakia.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,207 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEAI Endorsed Transactions on Energy WebMême sujetTransport and Logistics InnovationsTravaux en français237 207