MétaCan
Menu
Retour à la cohorte
Enregistrement W4297825247 · doi:10.3390/encyclopedia2030097

Solar Architecture in Energy Engineering

2022· article· en· W4297825247 sur OpenAlexaff
Alexandre Pavlovski

Notice bibliographique

RevueEncyclopedia · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensPowertech Labs (Canada)
Organismes subventionnairesnon disponible
Mots-clésSolar energyPhotovoltaic systemEnergy balancePhotovoltaic thermal hybrid solar collectorComputer scienceEnvironmental scienceProcess engineeringArchitectural engineeringSystems engineeringEngineeringElectrical engineeringEcology

Résumé

récupéré en direct d'OpenAlex

Solar Architecture represents the confluence of the two disciplines of energy engineering and architecture. The concept of Solar Architecture defines a decision-making process to select, design, deploy, and operate solar energy-enabled solutions for environments where solar energy resources are part of the energy mix. The principles of Solar Architecture include maximizing solar energy harvesting from solution’s surfaces with a positive balance of energy, carbon, and cost provided by the solution. Solar Architecture application selection is built on two major cornerstones, features and groups, defining the best options in energy engineering of a solar solution. Solar surfaces are key to solar architecture. They are the “heart”, and balance-of-system components are the “muscles” of solar solutions. Addressing energy losses in photovoltaic, solar to thermal, and solar to chemical energy conversion allows for increasing energy harvesting yield. Life Cycle Assessment and solar energy harvesting methodologies based on solar surface characteristics define Solar Architecture Balance. This balance allows for defining energy, carbon, and cost return on investment for solar solutions and selecting the best solution for related assets/environment.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEncyclopediaMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207