MétaCan
Menu
Retour à la cohorte
Enregistrement W4405893757 · doi:10.1016/j.jobe.2024.111713

Can light gauge steel frame (LGSF) modular housing achieve net zero and support the UK social housing crisis?

2024· article· en· W4405893757 sur OpenAlexaboutno aff
Yashika Narula, Stephen Finnegan

Notice bibliographique

RevueJournal of Building Engineering · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModular designFrame (networking)Zero (linguistics)Gauge (firearms)Architectural engineeringBusinessEngineeringComputer scienceTelecommunicationsMaterials scienceMetallurgyProgramming language

Résumé

récupéré en direct d'OpenAlex

The UK faces a significant housing shortage while striving to meet its 2050 net-zero carbon targets. This study explores the potential of Light Gauge Steel Frame (LGSF) modular housing to address both the housing crisis and carbon reduction goals. Using a case study of a newly constructed all-electric LGSF modular home in Wirral, UK, we assess its energy performance, achieving an Energy Use Intensity (EUI) of 10 kWh/sqm/year—surpassing the UK's 2021 Nearly-Zero Energy Building (nZEB) and Royal Institute of British Architects (RIBA) 2025 energy targets. Dynamic simulation modelling was employed to optimise design strategies, including fabric efficiency, airtightness , and photovoltaic (PV) systems, which collectively resulted in a net-zero operational carbon footprint. Despite LGSF's limited use in the UK, its success in countries like Canada, the USA , and Australia suggests its scalability for the UK. The findings demonstrate that LGSF modular housing can significantly contribute to the UK's housing targets—380,000 new homes annually, including 163,000 social housing units—while advancing carbon reduction efforts. This study provides real-world data that strengthens the case for LGSF as a sustainable, cost-effective solution for the UK's housing and climate challenges.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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 tête enseignante, 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
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Building EngineeringMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207