MétaCan
Menu
Retour à la cohorte
Enregistrement W2984567531 · doi:10.3390/su11226236

Sustainable Housing: Understanding the Barriers to Adopting Net Zero Energy Homes in Ontario, Canada

2019· article· en· W2984567531 sur OpenAlexaffabout
Ranjita M. Singh, Philip R. Walsh, Christina Mazza

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésZero-energy buildingGreenhouse gasQuality (philosophy)Zero emissionNet energyEnergy (signal processing)Environmental economicsBusinessEfficient energy useZero-point energySafety netMarketingEngineeringEconomicsMathematicsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Buildings in Canada account for a significant amount of greenhouse gas (GHG) emissions and net zero energy building technology has been identified as part of the solution. This study presents a conceptual model identifying barriers to the adoption of net zero energy housing and tests it by administering a survey to 271 participants in a net zero energy housing demonstration project in Toronto, Canada. Using multivariate correlation and multi-linear regression analyses this study finds that of all the innovation adoption variables it was the construction and design quality that was the most significant contributor to the adoption of a net zero energy home by a potential home owner. This study found that the (a) extra cost compared to a conventional home, b) lack of knowledge about the technology associated with a net zero energy home or (c) not knowing someone who owned a net zero energy home were not significant barriers to accepting net zero energy homes. Our results suggest that policy-makers should promote the diffusion of net zero energy home technology by encouraging housing developers to include net zero energy homes in their collection of model homes, with an emphasis on quality design and construction. Furthermore, engaging in trust building initiatives such as education and knowledge about the technology, its related energy cost savings, and the environmental benefits would contribute to a greater acceptance of net zero energy homes.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil0,992

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 Opus0,005
Tête enseignante GPT0,177
Écart entre enseignants0,172 · 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

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207