MétaCan
Menu
Retour à la cohorte
Enregistrement W4385709798 · doi:10.33423/jabe.v25i3.6291

How Many Times Is Enough? Rationalizing Program and Optimizing Performance Through [Repeated] Human-Building Interaction

2023· article· en· W4385709798 sur OpenAlexaffvenue
Chika C. Daniels-Akunekwe, Brian R. Sinclair

Notice bibliographique

RevueJournal of Applied Business and Economics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueArchitecture and Computational Design
Établissements canadiensUniversity of CalgaryAthabasca University
Organismes subventionnairesnon disponible
Mots-clésContainer (type theory)Computer scienceSet (abstract data type)ArchitectureArgumentation theoryObject (grammar)Human–computer interactionInteractivitySimple (philosophy)Space (punctuation)Human interactionArtificial intelligenceEpistemologyProgramming languageEngineeringMultimedia

Résumé

récupéré en direct d'OpenAlex

Performance in architecture today supersedes the simple characterization of “devising a set of practical solutions to a set of largely practical problems” (Kolarevic, 2004), to now place emphasis on what the building does across numerous dimensions -- notably how it affects and how it transforms -- based on quantifiable, qualifiable and intangibilities of the architectural ‘object’. On the other side, we question how buildings are interpreted, which is contingent on the idea of interactivity – the interaction between buildings and their users, or the container and the contained. In this discourse, however, too much emphasis has been placed on the purely spatial aspects of experiencing architecture at the expense of other understandings – one of which is, vitally, the concept of time. The goal of this paper, therefore, is to explore how (the frequency of) human-building interaction can constitute the basis for decisions surrounding programming and design optimization. This research, considering space + time in concert, deploys meta-analysis of literature, coupled with case studies and logical argumentation, to shape a provocation and proposition.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,017
Tête enseignante GPT0,228
Écart entre enseignants0,211 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetArchitecture and Computational DesignTravaux en français237 207