MétaCan
Menu
Retour à la cohorte
Enregistrement W3010954905 · doi:10.3390/buildings10030060

Modeling of an Aerogel-Based “Thermal Break” for Super-Insulated Window Frames

2020· article· en· W3010954905 sur OpenAlexaff
Alessandro Cannavale, Francesco Martellotta, Umberto Berardi, Chiara Rubino, Stefania Liuzzi, Vincenzo De Carlo, Ubaldo Ayr

Notice bibliographique

RevueBuildings · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesRegione Puglia
Mots-clésAerogelDaylightWindow (computing)Architectural engineeringThermalEnergy performanceSolar gainFrame (networking)Efficient energy useBuilding energy simulationComputer scienceWork (physics)Thermal comfortMechanical engineeringMaterials scienceEnvironmental scienceEngineering physicsEngineeringElectrical engineeringOpticsMeteorologyNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

Research activities in the field of innovative fixtures are continuously aiming at increasing their thermal and optical performances to offer optimal exploitation of daylight and solar gains, providing effective climate screen, according to increasing standards for indoor comfort and energy saving. Within this work, we designed an innovative aerogel-based “thermal break” for window frames, so as to consistently reduce the frame conductance. Then, we compared the performance of this new frame both with currently used and obsolete frames, present in most of the existing building stock. Energy savings for heating and cooling were assessed for different locations and confirmed the potential role played by super-insulating materials in fixtures for extremely rigid climates.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,684

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 Opus0,028
Tête enseignante GPT0,251
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'étudeExpérimental (laboratoire)
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetAerogels and thermal insulationTravaux en français237 207