MétaCan
Menu
Retour à la cohorte
Enregistrement W4362466051 · doi:10.33423/jsis.v18i1.5949

Net-Positive Energy Buildings: Empirical Insights Towards Achieving the SDGs

2023· article· en· W4362466051 sur OpenAlexafffund
Monika Mikhail, David Mather, Paul Parker

Notice bibliographique

RevueJournal of Strategic Innovation and Sustainability · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSustainabilityEnvironmental economicsEnergy consumptionElectricityZero-energy buildingConsumption (sociology)Sustainable developmentEfficient energy useArchitectural engineeringBusinessEnvironmental resource managementProduction (economics)Energy (signal processing)Natural resource economicsEngineeringEnvironmental scienceEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Buildings impact multiple United Nations (UN) Sustainability Development Goals (SDGs). Net-positive energy buildings (NPEBs) present an opportunity for the built sector to offer climate solutions and habitable environments with improved energy efficiency, responsible consumption, sustainable energy production, and sustainable communities. Case study analysis of a multi-tenant office NPEB demonstrates decisions made to realize the SDGs. Average annual energy consumption of 83 kWh/m2 was one-third that of typical office buildings and the generation of 871 kWh of solar electricity achieved the net-positive goal. This mixed methods performance assessment used four years of energy meter data and key informant interviews to provide a holistic understanding of building energy performance and contributions to the SDGs.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,269
Écart entre enseignants0,246 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Strategic Innovation and SustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207