MétaCan
Menu
Retour à la cohorte
Enregistrement W3194706239 · doi:10.14710/jsp.2021.12000

Strategies for Energy and Climate Management at the British Columbia Institute of Technology

2021· article· en· W3194706239 sur OpenAlexaffabout
Jennie Moore

Notice bibliographique

RevueJournal of Sustainability Perspectives · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasRenewable energySustainabilityEfficient energy useClimate changeBusinessElectricityEnvironmental economicsEngineeringEnvironmental scienceEnvironmental resource managementEconomics

Résumé

récupéré en direct d'OpenAlex

The British Columbia Institute of Technology (BCIT) is Canada's premier polytechnic. In 2008, BCIT partnered with its local electricity utility to hire a full-time energy manager. The following year, BCIT's School of Construction and the Environment initiated a campus-as-living-lab of sustainability project called Factor Four in the seven buildings it occupies on BCIT's main campus in Burnaby. The purpose was to explore whether a four-fold (75%) reduction in materials and energy use could be achieved without compromising service levels. By 2016, the project achieved a 50% reduction in energy use and associated greenhouse gas emissions. Factor Four attracted over four million dollars in funding, engaged over 250 students from 12 educational programs, and produced over $200,000 savings annually. In 2017, BCIT set an ambitious target to reduce its annual greenhouse gas emissions 33% below 2007 levels by 2023, and 80% by 2050, across all five of its campuses. BCIT’s ultimate goal is to become both greenhouse gas neutral and a net energy producer. By setting ambitious targets and systematically implementing energy efficiency improvements, utilizing waste-heat exchange, fuel switching, and developing on-site renewable energy, BCIT is on track to achieving its energy management and climate change goals.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,727

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,002
Communication savante0,0090,002
Science ouverte0,0010,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0560,008

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 Opus0,004
Tête enseignante GPT0,234
Écart entre enseignants0,230 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainability PerspectivesMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207