Achieving deep-energy retrofits for households in energy poverty
Notice bibliographique
Résumé
Climate change and energy poverty are two sustainability challenges that can be addressed through deep-energy retrofits for homes. This systematic review identifies which factors influence the achievement of energy retrofits for households vulnerable to energy poverty. It covers both energy-poor households and the landlords or building owners of energy-poor households. The results identify a range of influential factors across several themes: financial, policy and organizational, trust and communication, technical, attitudes and values, and health. Health and quality of life are particularly influential motivating factors among households vulnerable to energy poverty, as is the presence of trust and communication between stakeholders. Multiple financial considerations are also important, such as the availability of no-cost retrofit options and the prospect of lower energy and maintenance costs. Lastly, government requirements to retrofit and minimum energy standards are motivating, particularly in the social housing sector. These findings and the lack of focus on energy poverty within the energy retrofit literature and policies point to a need for further research on this topic, and for retrofit policies specifically targeted to households vulnerable to energy poverty. Policy relevance Energy retrofit policies targeting households vulnerable to energy poverty could be more effective if they: Improve access to low or no-cost retrofit options alongside tenant protection mechanisms Include requirements for resident consent and engagement Build capacity to collect, centralize and publicize information about building stocks to align retrofit projects with necessary upgrades Disseminate knowledge of retrofit programs through trusted communicators Increase stakeholders’ understanding of retrofit benefits Take a holistic approach by emphasizing the co-benefits of energy retrofits in energy-poor households Implement government requirements to pursue energy retrofits aligned with overarching government climate policies, particularly for publicly owned housing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».