MétaCan
Menu
Retour à la cohorte
Enregistrement W3153479252

Methods for evaluating long-term changes in thermal resistance of vacuum insulation panels

2005· article· en· W3153479252 sur OpenAlexvenueaboutno aff
Phalguni Mukhopadhyaya, K. Kumaran, John Lackey, Nicole Normandin, David van Reenen

Notice bibliographique

RevueNPARC · 2005
Typearticle
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelative humidityBuilding envelopeHumidityVacuum insulated panelThermal insulationMaterials scienceThermal resistanceDynamic insulationComposite materialWater vaporEnvironmental scienceThermal bridgeThermal comfortThermal massFOIL methodApparent temperaturePermeanceThermalForensic engineeringLayer (electronics)PermeationEngineeringMeteorology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Efficient insulating systems are the key to the energy efficiency of a building envelope. Vacuum Insulation Panels (VIPs) offer excellent thermal resistance properties that can enhance the energy efficiency of insulating systems, use less space, and provide savings in energy consumption. However, from a Canadian perspective, VIP systems are little known and indeed unused in the building industry. There is a need to investigate the prospect of using VIPs in various components of building envelope. The long-term thermal insulating efficiency of the VIPs depends on its ability to maintain an adequate level of vacuum inside the panel. For design purpose the long-term thermal insulating characteristics of the VIPs needs to be understood and defined. This paper addresses some of the test methods that could accelerate the long term changes in thermal resistance and presents selected results from tests using elevated pressure, relative humidity and temperature on three types of VIPs.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,076
Tête enseignante GPT0,392
Écart entre enseignants0,316 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetAerogels and thermal insulationTravaux en français237 207