MétaCan
Menu
Retour à la cohorte
Enregistrement W4396605355 · doi:10.1080/23744731.2024.2343262

Simulating the impact and policy implications of telework on home energy use and emissions in Canada

2024· article· en· W4396605355 sur OpenAlexafffundabout
Melina Sirati, Farzam Sepanta, William O’Brien, Cynthia A. Cruickshank

Notice bibliographique

RevueScience and Technology for the Built Environment · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensCarleton University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésEnergy (signal processing)BusinessNatural resource economicsEconomics

Résumé

récupéré en direct d'OpenAlex

Statistics indicate that after the COVID-19 pandemic, many individuals have opted to work remotely for at least a few days each week. This study investigates the impact of teleworking on energy consumption and carbon emissions in Canadian homes. Four residential building models, aligned with the 2020 requirements of the National Building Code of Canada (NBC), were investigated across six Canadian climate zones. The findings of this study reveal that the increase in energy consumption and CO2 emissions due to teleworking varies according to the type of building and the number of thermal zones. For the selected single-zone house models, the maximum increase in energy consumption and CO2 emissions were 11% and 10%, respectively occurring in a row house two-story building. For the three-zone house models, the increase was 5%. Also, results indicated that full-time teleworking in a four-storey multi-family building with 12.5%, 50% and 100% teleworking ratios increased the total energy of the building by 1%, 4%, and 10%, respectively. The second phase of this study investigated possible enhancements to building energy codes, focusing on the National Building Code of Canada, to address increasing daytime occupancy resulting from teleworkers, retirees, and other occupants.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,331

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,303
Écart entre enseignants0,281 · 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'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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScience and Technology for the Built EnvironmentMême sujetWork-Family Balance ChallengesTravaux en français237 207