MétaCan
Menu
Retour à la cohorte
Enregistrement W4383108660 · doi:10.1109/metrolivenv56897.2023.10164064

Experimental Prototype and Measurement Driven Study of Indoor Air Quality

2023· article· en· W4383108660 sur OpenAlexaff
Shaikha Alkaabi, Fatema S. Suhail, Haleema Almansoori, Asma Alhammadi, Shriya Kulkarni, Bivin Pradeep, Parag Kulkarni

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUnited Arab Emirates University
Mots-clésAir quality indexEnvironmental scienceIndoor air qualityArchitectural engineeringQuality (philosophy)Computer scienceHumidityIndoor airMeteorologyEnvironmental engineeringEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

People spend a considerable amount of time indoors than outdoors. Given the hot or cold climatic conditions that prevail in different geographies, most indoor environments tend to be heated/cooled for ensuring occupant comfort. The quality of air that people breathe in such indoor environments is therefore vital for their long term health. Whilst we hear a lot about air pollution in cities, there is seldom a talk about indoor air quality. This paper elaborates on a proof of concept prototype for air quality monitoring using open off-the-shelf components and highlights findings from measurements conducted using this prototype in buildings on a University campus. Measurements were conducted in classrooms in different buildings at different times of the day with different temperature, humidity levels in these premises. Findings from this study show that air quality is fairly stable and within the acceptable limits across the different measurement locations. One of the outliers was a small dorm room with many people present during the measurement duration which exhibited degradation in the air quality level. This highlights that in crowded indoor environments, it may be necessary to closely monitor air quality and provide the necessary countermeasures to improve it.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,047
Tête enseignante GPT0,277
Écart entre enseignants0,230 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort OptimizationTravaux en français237 207