MétaCan
Menu
Retour à la cohorte
Enregistrement W3082341199 · doi:10.1146/annurev-environ-012420-045843

Advances Toward a Net-Zero Global Building Sector

2020· article· en· W3082341199 sur OpenAlexaboutno aff
Diána Ürge-Vorsatz, Radhika Khosla, Rob Bernhardt, Yi Chieh Chan, David Vérez, Shan Hu, Luisa F. Cabeza

Notice bibliographique

RevueAnnual Review of Environment and Resources · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZero-energy buildingEmbodied energyGreenhouse gasCarbon neutralityClimate changeEfficient energy useNatural resource economicsBusinessArchitectural engineeringEnvironmental resource managementEnvironmental economicsEnvironmental scienceEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

The building sector is responsible for 39% of process-related greenhouse gas emissions globally, making net- or nearly-zero energy buildings pivotal for reaching climate neutrality. This article reviews recent advances in key options and strategies for converting the building sector to be climate neutral. The evidence from the literature shows it is possible to achieve net- or nearly-zero energy building outcomes across the world in most building types and climates with systems, technologies, and skills that already exist, and at costs that are in the range of conventional buildings. Maximizing energy efficiency for all building energy uses is found as central to net-zero targets. Jurisdictions all over the world, including Brussels, New York, Vancouver, and Tyrol, have innovated visionary policies to catalyze themarket success of such buildings, with more than 7 million square meters of nearly-zero energy buildings erected in China alone in the past few years. Since embodied carbon in building materials can consume up to a half of the remaining 1.5°C carbon budget, this article reviews recent advances to minimize embodied energy and store carbon in building materials.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,009
Tête enseignante GPT0,250
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations224
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Environment and ResourcesMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207