MétaCan
Menu
Retour à la cohorte
Enregistrement W4205233144 · doi:10.24251/hicss.2022.139

Combining Design Thinking and the Socio-Technical-Ecological Systems Perspective to Understand Greenhouse Growers’ Experiences with Energy Management Solutions

2022· article· en· W4205233144 sur OpenAlexaff
Jacqueline Corbett, Vijaya Lakshmi

Notice bibliographique

RevueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)GreenhouseEnergy managementEnergy (signal processing)Greenhouse gasComputer scienceEnvironmental resource managementKnowledge managementManagement scienceEnvironmental economicsEnvironmental scienceEcologyEngineeringEconomicsArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Multiple threats to sustainability are driving the need to grow food in controlled environments, such as greenhouses. However, greenhouses consume large quantities of energy for lighting, heating, and ventilation, which places additional strain on the natural environment. For both business and environmental benefits, greenhouses must pursue sustainable energy management solutions. Combining design thinking with the socio-technical-ecological systems (STES) perspective, we analyze the greenhouse grower’s journey from awareness of potential solutions to post-implementation use. Our approach offers a novel way to understand the problem space. We find that sustainable energy management is more than a technical or even socio-technical challenge; it also involves important ecological considerations. However, ecological and social concerns are less evident in the grower’s journey as compared to the physical and information technology dimensions. The research and development of sustainable technology solutions would benefit from giving equal attention to these three systems and the interactions between them.

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)0,008
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0050,020
Communication savante0,0090,011
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,048
Tête enseignante GPT0,256
Écart entre enseignants0,208 · 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'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System SciencesMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207