MétaCan
Menu
Retour à la cohorte
Enregistrement W3091552359 · doi:10.1139/cjfr-2020-0274

Citizen views on wood as a construction material: results from seven European countries

2020· article· en· W3091552359 sur OpenAlexvenueno aff
Noora Viholainen, Florencia Franzini, Katja Lähtinen, Anders Q. Nyrud, Camilla Widmark, Hans Fredrik Hoen, Anne Toppinen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesSNS Nordic Forest Research
Mots-clésPerceptionPolitical scienceBusinessPublic relationsGeographyMarketingPsychology

Résumé

récupéré en direct d'OpenAlex

Multi-story wooden buildings are hailed as a favorable means toward reducing the embodied energy of the construction sector. However, the sector’s path-dependent nature hinders acceptance of using wood in multi-story construction. As a result, research predominantly focuses on examining the perceptions of construction professionals to identify means of breaking the path dependency. We propose using citizens’ perceptions about the use of wood to inform professional decision makers. Our research thus aims to answer two questions: What are citizens’ perceptions about using wood as a construction material, and are there country-based cultural differences between these perceptions? To elicit this spectrum of citizen views, an online survey was deployed in Austria, Denmark, Finland, Germany, Norway, Sweden, and the United Kingdom. Qualitative content analysis was used to analyze 6633 open-ended responses to the survey. Respondents held multi-faceted opinions about the physical properties, environmental, social, and economic aspects of using wood as a construction material. Citizens from Finland, Norway, and Sweden expressed discernably different perspectives about the acceptability of using wood than did citizens from Austria, Denmark, Germany, and the United Kingdom. Overall, respondents from all countries expressed high approval for the use of wood in construction.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,269
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 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

Citations58
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207