MétaCan
Menu
Retour à la cohorte
Enregistrement W2982196878 · doi:10.1088/1757-899x/609/6/062025

Towards an ontology for holistic building occupant information modelling

2019· article· en· W2982196878 sur OpenAlexaff
Shide Salimi, Mazdak Nik‐Bakht, Amin Hammad

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésOntologyComputer scienceProcess ontologyOntology-based data integrationSoftware deploymentUpper ontologySemantic integrationFunction (biology)Domain (mathematical analysis)Building automationInformation exchangeSemantics (computer science)Ontology alignmentKnowledge managementData scienceWorld Wide WebSemantic WebSoftware engineeringSemantic computing

Résumé

récupéré en direct d'OpenAlex

Abstract Occupant behaviour (OB) is a critical factor affecting the building performance from aspects such as energy/comfort management, emergency planning, space management, and safety/security. Several ontologies were previously developed to formalize modelling/exchanging occupant-related information for each of these applications. The present study aims to provide a holistic occupant ontology to support integrated building management solutions. Rather than offering a brand new ontology, we integrate the existing models, and create the linkages required for semantic integration among them. Two main dimensions framing our occupant ontology include: building function and occupancy information. We mapped the available ontologies (within and outside the domain of OB), to capture existing gaps for semantic integration across multiple use-cases, within each of these dimensions. The gaps were then translated into competency questions, and from there, we developed meta-classes and relations required for the high-level occupant ontology. Upon the completion and deployment, the proposed occupant ontology can result in better information exchange and integration with building simulation models for various use-cases.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil0,616

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 savante0,0000,002
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 Opus0,026
Tête enseignante GPT0,250
Écart entre enseignants0,223 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetEvacuation and Crowd DynamicsTravaux en français237 207