MétaCan
Menu
Retour à la cohorte
Enregistrement W4221070652 · doi:10.3992/1943-4618.17.1.127

ASSESSING THE ADOPTION OF CROSS LAMINATED TIMBER BY ARCHITECTS AND STRUCTURAL ENGINEERS WITHIN THE UNITED STATES

2022· article· en· W4221070652 sur OpenAlexaboutno aff
Patrick Penfield, René H. Germain, William B. Smith, Stephen V. Stehman

Notice bibliographique

RevueJournal of Green Building · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTree Root and Stability Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCross laminated timberEngineeringArchitectural engineeringRoofProduct (mathematics)BusinessCivil engineeringMarketing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Cross Laminated Timber (CLT) is an engineered wood product for the construction industry offering multiple structural, environmental and supply chain benefits. CLT can be used for an entire building, as both the lateral and vertical load resisting system, or for select elements such as the roof, floors or walls. CLT products were developed in the early 1990’s and have been widely adopted throughout Europe, and more recently, in Canada. However, use of CLT products is still relatively rare in the US. We present the results of a nationwide phone survey in the US conducted with architects and structural engineers to gauge their awareness, rate of adoption and assimilation of CLT products. Although adoption of CLT amongst architects and structural engineers is still at a nascent level within the construction sector, awareness is high, with 100% of our sample respondents cognizant of CLT. Architects and structural engineers perceive relative advantages of using CLT as well as compatibility with traditional construction. However, the adoption process is impeded by issues associated with complexity, trialability and observability. Key barriers to adoption of CLT as perceived by these two stakeholders are lack of experience from construction stakeholders, lack of training and tools for construction management stakeholders, lack of client requests and CLT inventory.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,257 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Green BuildingMême sujetTree Root and Stability StudiesTravaux en français237 207