MétaCan
Menu
Retour à la cohorte
Enregistrement W3169485105

국가별 인증사례 비교를 통한 LEED-ND 평가항목 반영률 분석

2021· article· ko· W3169485105 sur OpenAlexaboutno aff
안동준, 강준경

Notice bibliographique

Revue대한건축학회연합논문집 · 2021
Typearticle
Langueko
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCertificationEnvironmental designBusinessSustainable developmentChinaGreen buildingSustainable designArchitectural engineeringEnvironmental planningEnvironmental resource managementEnvironmental protectionEnvironmental economicsGeographyEngineeringSustainabilityCivil engineeringEnvironmental sciencePolitical scienceEcologyEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As climate change and environmental destruction are becoming more serious globally, many countries have established and implemented green building certification systems to create an sustainable and environment-friendly urban space. There are LEED in the U.S., GBTool in Canada, BREEAM in the U.K., and CASBEE in Japan, and the Green Building Certification System has been established in Korea since 2000, which has been renamed as G-SEED(Green Standard for Energy and Environmental Design). Green building certification systems are concentrated on individual buildings for the most countries, and certification in urban design levels or similar actions are at just beginning stage globally. In this study, the certified cases by LEED-ND(Neighborhood Development), first introduced in 2009 in the US as a pilot program, are examined to find out green characteristics of different countries by comparing certified cases in China and US which were evaluated under the same certification criteria. The results showed both countries have similar trends for the most part, however there were some issues that was affected from social and cultural differences. The findings from the this study will contribute to identify global trends on sustainable strategies for urban design and neighborhood development 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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,141
Tête enseignante GPT0,377
Écart entre enseignants0,236 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue대한건축학회연합논문집Même sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207