Building stock as a future supply of second-use material – A review of urban mining methods
Notice bibliographique
Résumé
The building sector is a major player in the world’s contribution to climate change, partly due to its dependence on large quantities of materials. The circular economy model of material flow has been gaining attention in the past decade as it seeks to promote the use of construction, renovation, and demolition (CRD) waste as inputs for new buildings or other applications, which would result in the diversion of materials from landfills. Developing a system capable of handling such waste requires a comprehensive knowledge of the composition of the building stock materials. This information, however, is rarely available. Thus, this research is proposing a conceptual model to aid city planners when considering the existing built environment as a resource for new construction. The methodology followed by this review includes a thorough analysis of 82 articles on quantity takeoff methods in the Urban Mining (UM) and CRD Waste Management (WM) fields. These articles were analyzed by considering a framework of four layers, i.e., (i) the approach, (ii) the analysis method, (iii) the granularity, and (iv) the performance analysis. The comprehensive analysis of the literature has highlighted the fact that the existing quantity takeoff methods need to consider more in-depth attributes and that the works performed by using machine learning methods are very important in the path toward the direction of improving these methods. With this conceptual model, waste management planners can select the appropriate methodology based on the available input data, and the type of output that they are looking.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».