MétaCan
Menu
Retour à la cohorte
Enregistrement W2971914511 · doi:10.1088/1755-1315/323/1/012165

A survey of private landlords in Karlsruhe and their perception of deep energy retrofit

2019· article· en· W2971914511 sur OpenAlexaboutno aff
Elias Naber, T Lützkendorf, Rebekka Volk, Frank Schultmann

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMinisterium für Wissenschaft, Forschung und Kunst Baden-Württemberg
Mots-clésQuarter (Canadian coin)Real estateRetrofittingBusinessPaceValue (mathematics)Overhead (engineering)Consumption (sociology)Agricultural economicsNatural resource economicsEconomicsFinanceEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Energy use related to buildings accounts for 35.3% of Germany’s final energy consumption and nearly a third of greenhouse gas emissions. Thus, deep energy retrofit (DER) has a substantial role in the German energy efficiency strategy. Although many DER measures are economically viable, the pace of DER is below expectations and target value. A few studies investigated this phenomenon and conducted surveys mostly among owner-occupiers. However, 54% of the 40.5 million apartments in Germany are rented and a total of 15 million are let by private (not professional) landlords. Therefore, this investigation focuses on private landlords to find out what drives or constrains them to do deep energy retrofitting. A survey was conducted in a quarter of Karlsruhe, a large city in Germany with an above-average demand-driven real estate market. In this quarter, 83.2% or 8464 apartments are rented. 85 private landlords who own 10% of the rented residential buildings in the quarter responded and gave insight into their perception of DER. The results show that the buildings of the respondents originate from a construction period with large saving potential. Main strategies for investments in DERs are conservation of economic value of the property and the compliance with legal requirements. The main trigger is required maintenance. Despite an eco-friendly attitude, ecological criteria have a minor part in the DER decision. Finally, policy recommendations are made.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,167
Écart entre enseignants0,160 · 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 tête enseignante, 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207