MétaCan
Menu
Retour à la cohorte
Enregistrement W4390140118 · doi:10.47982/jfde.2023.2.a1

Off-site prefabricated hybrid façade systems

2023· article· en· W4390140118 sur OpenAlexaff
Ioannis Atsonios, Emmanouil Katsigiannis, Andrianos Koklas, Dionysios I. Kolaitis, Maria A. Founti, Charalampos Mouzakis, Constantinos Tsoutis, Daniel Adamovský, Jaume Ochogavia Colom, Daniel Philippen, Alberto Diego

Notice bibliographique

RevueJournal of Facade Design and Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensCascades (Canada)
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésArchitectural engineeringPopularityComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The residential sector is responsible for the largest share of global energy consumption, while the existing building stock in Europe is relatively old. This issue, in combination with the low rate of new constructions, highlights the necessity for deep renovation of existing buildings to reach NZEB standards. At the same time, in the last decades, off-site prefabricated solutions have gained popularity in the building market, allowing the reliable and effective integration of diverse components and reducing the total renovation cost and occupants’ disturbance. The current study describes three all-in-one “Plug & Play” prefab renovation solutions and their assessment in terms of thermal, static, acoustic, and fire performance. The assessing performance is selected depending on their incorporated element as well as the national regulations of the country where the renovation solution is going to be installed. The assessment aims to ensure their characteristics’ satisfaction with the European and national requirements. In parallel, the assessment identifies the accurate behaviour of prefab façade systems both in passive and active mode and improves/optimises any possible design drawbacks.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,015
Tête enseignante GPT0,197
Écart entre enseignants0,182 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Facade Design and EngineeringMême sujetBIM and Construction IntegrationTravaux en français237 207