MétaCan
Menu
Retour à la cohorte
Enregistrement W4402302040 · doi:10.32920/26871379.v1

Alternative Approaches for Assessing the Energy Performance of Houses in Real Estate Transactions

2024· preprint· en· W4402302040 sur OpenAlexaboutno aff
Narainsingh Mundboth

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Planning and Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReal estateBusinessEstateEnergy (signal processing)Architectural engineeringFinanceEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Currently, there is no mandatory requirement to disclose energy performance of houses that are offered for resale in Real Estate Transactions in Southern Ontario. Homebuyers, therefore, do not have any idea of the energy performance of the houses they are aiming to buy. This Major Research Project (MRP) proposed two methods to homebuyers as alternatives to a full home energy audit that provide a good measure of the energy performance of houses on sale. These approaches are cheaper, simpler, and provide the energy rating of houses more quickly. In the first method, the house's utility billing data were used. A linear regression model was employed to split the bills into energy consumptions by end-uses, which were then compared to an appropriate EnerGuide Rating benchmark for determining the energy rating of the house. The second approach was based on the HOT 2000 energy simulation tool for construction of the energy model of the house. The simulated energy consumptions by end-uses were then compared to the EnerGuide Rating benchmark to determine the house's energy rating. These approaches were implemented using two case studies located in the Peel Region in Southern Ontario with satisfactory results.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,116
Tête enseignante GPT0,312
Écart entre enseignants0,196 · 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'étudeThéorique ou conceptuel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Planning and ValuationTravaux en français237 207