MétaCan
Menu
Retour à la cohorte
Enregistrement W3136829750 · doi:10.3390/buildings11030130

IEA EBC Annex83 Positive Energy Districts

2021· article· en· W3136829750 sur OpenAlexaff
Åsa Hedman, Hassam ur Rehman, Andrea Gabaldón, Adriano Bisello, Vicky Albert-Seifried, Xingxing Zhang, Francesco Guarino, Steinar Grynning, Ursula Eicker, Hans‐Martin Neumann, Pekka Tuominen, Francesco Reda

Notice bibliographique

RevueBuildings · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésLEAPSWork (physics)Context (archaeology)Renewable energyAgency (philosophy)UrbanizationBusinessEnvironmental planningPolitical scienceRegional scienceEconomic growthEngineeringGeographySociologyEconomicsSocial science

Résumé

récupéré en direct d'OpenAlex

At a global level, the need for energy efficiency and an increased share of renewable energy sources is evident, as is the crucial role of cities due to the rapid urbanization rate. As a consequence of this, the research work related to Positive Energy Districts (PED) has accelerated in recent years. A common shared definition, as well as technological approaches or methodological issues related to PEDs are still unclear in this development and a global scientific discussion is needed. The International Energy Agency’s Energy in Buildings and Communities Programme (IEA EBC) Annex 83 is the main platform for this international scientific debate and research. This paper describes the challenges of PEDs and the issues that are open for discussions and how the Annex 83 is planned and organized to facilitate this and to actively steer the development of PEDs major leaps forward. The main topics of discussion in the PED context are the role and importance of definitions of PEDs, virtual and geographical boundaries in PEDs, the role of different stakeholders, evaluation approaches, and the learnings of realized PED projects.

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)0,010
score de la tête « metaresearch » (Gemma)0,009
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,002
Communication savante0,0070,003
Science ouverte0,0040,005
Intégrité de la recherche0,0130,008
Charge utile insuffisante (le modèle a refusé de juger)0,0560,028

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 Opus0,003
Tête enseignante GPT0,163
Écart entre enseignants0,160 · 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
GenreAutre

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

En bref

Citations97
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207