MétaCan
Menu
Retour à la cohorte
Enregistrement W4388105361 · doi:10.18280/ijsdp.181014

A Comparative Analysis of Design Criteria Influencing Building Material Selection Across Different Architectural Contexts

2023· article· en· W4388105361 sur OpenAlexvenueno aff
Hafedh Abed Yahya

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueArchitecture and Computational Design
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringArchitectural designSelection (genetic algorithm)Material selectionComputer scienceEngineeringArchitectureGeographyMaterials science

Résumé

récupéré en direct d'OpenAlex

The process of selecting building materials is a complex process that is affected by many restrictions, criteria and considerations.Often, the process is carried out spontaneously without considering the design criteria and neglects the building's function.Therefore, it is crucial to identify the key criteria impacting material selection.Design criteria vary based on a building's intended purpose and location, leading to distinct considerations.This study identifies five main design criteria: physical, cultural-social, environmental, economic, and technical.Experts in architecture participated in a survey, with Analytic Hierarchy Process (AHP) used to assign weights to these criteria.The research findings highlight that material select for a building's envelope depend on its function and context.In religious buildings, cultural criteria are vital, regardless of historical or modern contexts.Historical residential buildings prioritize cultural criteria, while modern ones lean toward economic considerations.Commercial buildings have historically been influenced by physical factors but are now more influenced by technical criteria.This study highlights the importance of considering a variety of design criteria when selecting building materials to ensure effective adaptation to the building's use and context.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,301
Écart entre enseignants0,280 · 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'étudeSans objet
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 revueInternational Journal of Sustainable Development and PlanningMême sujetArchitecture and Computational DesignTravaux en français237 207