MétaCan
Menu
Retour à la cohorte
Enregistrement W4367179995 · doi:10.5539/mas.v17n1p58

Architecture Learns from Nature. The Influence of Biomimicry and Biophilic Design in Building

2023· article· en· W4367179995 sur OpenAlexvenueno aff
Gastón Sanglier Contreras, Roberto A.González Lezcano, Eduardo J. López Fernández, María Concepción Pérez Gutiérrez

Notice bibliographique

RevueModern Applied Science · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovation, Sustainability, Human-Machine Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiomimeticsHarmony (color)Architectural engineeringArchitectureSustainable designSustainabilityNatural (archaeology)Biomimetic materialsDesign elements and principlesHarmony with natureBuilding designComputer scienceEngineeringNanotechnologyEcologyArtificial intelligenceSystems engineeringMaterials scienceVisual artsGeology

Résumé

récupéré en direct d'OpenAlex

Architecture is currently seeking to create new and innovative building forms that are more sustainable and less harmful to the environment. In this pursuit, architects are turning to nature for inspiration, utilizing biomimicry and biophilic design principles to create buildings that are more in harmony with the natural world. The use of biomimicry and biophilic design has produced encouraging results, as architects are incorporating natural forms and elements into their building projects. This approach has the potential to bring significant advancements in innovation and research, particularly in fields such as green nanotechnology and sustainability. Moreover, the intentional incorporation of nature in building design can have a positive impact on workers' health, leading to reduced stress levels and greater individual satisfaction with their work or living environment. Thus, biomimicry and biophilic design can play a key role in achieving a more sustainable and healthier built 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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,011
Communication savante0,0040,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,017
Tête enseignante GPT0,312
Écart entre enseignants0,295 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetInnovation, Sustainability, Human-Machine SystemsTravaux en français237 207