PERANCANGAN SMART VERTICAL GARDEN SEBAGAI STRATEGI MENINGKATKAN RUANG HIJAU DAN KENYAMANAN TERMAL
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Balikpapan, located in East Kalimantan Province, Indonesia, is experiencing rapid growth accompanied by increasingly complex environmental challenges, including the effects of climate change. Data shows a rise in air temperature, impacting not only the outdoor environment but also the indoor thermal conditions of public buildings such as offices, shopping centers, and educational institutions. At Institut Teknologi Kalimantan (ITK), the increasing demand for air conditioning systems reflects the direct impact of global temperature rise, resulting in heightened energy use and greenhouse gas emissions. In response to these issues, this research explores the design and implementation of smart vertical gardens as an innovative solution to enhance thermal comfort and energy efficiency. The smart vertical garden utilizes shading plants, sensor technology, and automation to reduce a building’s carbon footprint while improving thermal comfort. Building B at ITK is chosen as the case study due to its function as a hub of academic activities, making it a strategic location for implementing this green technology. The research adopts a comprehensive approach, including literature review, empirical data collection, thermal analysis, simulation, and design. The findings demonstrate the effectiveness of the smart vertical garden in reducing cooling energy demand, improving thermal comfort, and promoting campus greening. The implementation of this technology has the potential to serve as a sustainability model for public buildings. The results of this study provide valuable insights for academics, practitioners, and policymakers in developing green strategies and advancing sustainable development.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle