MétaCan
Menu
Retour à la cohorte
Enregistrement W3213759275 · doi:10.32920/ryerson.14653725.v1

Using Sensors (IoT) to Monitor and Improve the Efficiency of Living Green Infrastructure in Urban Development (Literature Review)

2021· preprint· en· W3213759275 sur OpenAlexaff
Zarin Afroze

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPlan (archaeology)MainstreamInternet of ThingsCloud computingComputer scienceWireless sensor networkUrban planningEnvironmental monitoringEnvironmental planningEnvironmental scienceEnvironmental resource managementSystems engineeringEngineeringCivil engineeringEnvironmental engineeringComputer securityGeography

Résumé

récupéré en direct d'OpenAlex

The use of information and communication technology for environmental purposes in urban development can help establish a smart city. Creating a network of sensors that monitor the various parameters of living structure would allow industry professionals to better manage, plan and design storm water mitigation practices. By using IoT, the data from the sensors is stored in the cloud where it can be retrieved and analyzed as needed. There are currently monitoring systems that focus on one particular aspect of the urban environment such as storm water, air pollution or green roofs but this literature review focuses on how these individual approaches can be combined into one to monitor various aspects of living infrastructure including hydrological, atmospheric, soil based and ecological. Based on the literature available, several limitations are identified that need to be addressed before such a monitoring system is possible and can be incorporated into mainstream practice.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,124
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetImpact of Light on Environment and HealthTravaux en français237 207