Condition assessment model of building indoor environment: a case study on educational buildings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this study is to develop a condition assessment (CA) model for a building's indoor 21 environments and to improve the building's asset management process. Design/methodology/approach The methodology is based on dividing the building into spaces, which are the principal evaluated elements based on the building's indoor environmental quality (IEQ). An evaluation scheme was prepared for the identified factors and the analytical hierarchy process (AHP) technique was used to calculate the relative weight of each space inside the building as well as the contribution of each IEQ factors (IEQFs) in the overall environmental condition of each space inside the building. The multi-attribute utility theory (MAUT) was then applied to assess the environmental conditions of the building as a whole and its spaces. An educational building in Canada was evaluated using the developed model. Findings Each space type was found to have its own IEQFs weights, which confirms the hypothesis that the importance and allocation of each IEQF are dependent on the function and tasks carried out in each space. A similar indoor environmental assessment score was calculated using the developed model and the building CA conducted by the facility management team; “89%” was calculated, using K-mean clustering, for the physical and environmental conditions. Originality/value IEQ affects occupants' assessment of their quality of life (QOL). Despite the existence of IEQ evaluation models that correlate the building's IEQ and the occupants' perceived indoor assessments, some limitations have led to the necessity of developing a comprehensive model that integrates all factors and their sub-criteria in an assessment scheme that converts all the indoor environmental factors into objective metrics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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