MétaCan
Menu
Retour à la cohorte
Enregistrement W4403336288 · doi:10.3390/su16208782

A Comprehensive Review and Recent Trends in Thermal Insulation Materials for Energy Conservation in Buildings

2024· review· en· W4403336288 sur OpenAlexafffund
Amir Ali, Anas Issa, Ahmed Elshaer

Notice bibliographique

RevueSustainability · 2024
Typereview
Langueen
DomaineChemistry
ThématiqueAerogels and thermal insulation
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnergy conservationArchitectural engineeringThermal insulationEnvironmental scienceCivil engineeringEngineeringMaterials scienceComposite materialElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, energy conservation became a strategic goal to preserve the environment, foster sustainability, and preserve valuable natural resources. The building sector is considered one of the largest energy consumers globally. Therefore, insulation plays a vital role in mitigating the energy consumption of the building sector. This study provides an overview of various organic and inorganic insulation materials, recent trends in insulation systems, and their applications, advantages, and disadvantages, particularly those suitable for extreme climates. Moreover, natural and composite materials that can be used as a low-cost, thermally efficient, and sustainable option for thermal insulation are discussed along with their thermal properties-associated problems, and potential solutions that could be adopted to utilize natural and sustainable options. Finally, the paper highlights factors affecting thermal performance and essential considerations for choosing a particular insulation system for a particular region. It is concluded that the most commonly used insulation materials are found to have several associated problems and there is a strong need to utilize sustainable materials along with advanced materials such as aerogels to develop novel composite insulation materials to overcome these deficiencies.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,045
Tête enseignante GPT0,359
Écart entre enseignants0,314 · 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
GenreSynthèse

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

En bref

Citations97
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetAerogels and thermal insulationTravaux en français237 207