MétaCan
Menu
Retour à la cohorte
Enregistrement W3013208101 · doi:10.1177/1420326x20908308

Biophilic school architecture in cold climates

2020· article· en· W3013208101 sur OpenAlexaff
Mélanie Watchman, Claude M. H. Demers, André Potvin

Notice bibliographique

RevueIndoor and Built Environment · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringArchitectureBuilt environmentPerspective (graphical)Relation (database)Natural (archaeology)Learning environmentBuilding designMathematics educationPsychologyComputer scienceEngineeringCivil engineeringGeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Designing school settings that provide a satisfying experience of nature and enhance well-being could be advantageous for children and teachers, though in cold climates prolonged periods of precipitation, restricted sunshine and low temperatures represent non-ideal conditions for fostering a connection with nature. This paper reviews research into the relationships between principles of biophilic design and well-being, with specific consideration for learning environments in cold climates. Children spend more time in school than any other place, except the home, and most of their learning activities occur indoors. Given the large portion of the day children and teachers spend within the built environment, an architect's perspective investigates these relationships. The paper examines the concepts and research findings that appear to offer the greatest potential for future architectural applications in children's learning environments. It also identifies gaps in biophilic design strategies in relation to schools and the importance of considering climatic conditions to create satisfying experiences of nature within the built environment. If biophilic design research is to lead to healthier, more comfortable school settings that present a greater connection between learning spaces and the natural environment, then to identify and define beneficial guidelines that translate readily into architecture is essential.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,005
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,204 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndoor and Built EnvironmentMême sujetUrban Green Space and HealthTravaux en français237 207