MétaCan
Menu
Retour à la cohorte
Enregistrement W4409702111 · doi:10.3390/su17093799

Post-Occupancy Evaluation of a Passive Multi-Unit Residential Building and a Single-Family Passive House

2025· article· en· W4409702111 sur OpenAlexaffabout
Anthony Mach, M. Parra, H.M. Teamah

Notice bibliographique

RevueSustainability · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensCanadore CollegeAlgonquin College
Organismes subventionnairesnon disponible
Mots-clésOccupancyPassive houseUnit (ring theory)Post-occupancy evaluationSingle-family detached homeArchitectural engineeringEnvironmental scienceEngineeringGeographyMathematicsElectrical engineeringMathematics education

Résumé

récupéré en direct d'OpenAlex

Passive buildings are increasing in popularity in Canada. This paper examines two passive buildings initially constructed in the past decade: the Peterborough passive multi-unit residential building (MURB) and the Wolfe Island single-family dwelling. A post-occupancy evaluation was performed on the buildings. The buildings were modelled in HOT2000 and the Passive House Planning Package (PHPP) to ensure the validity of the results. The energy bills were collected from the building owners to acquire the real-time consumption of the buildings. The models have shown a good agreement with the collected data. Furthermore, data loggers were installed in both buildings for indoor temperature monitoring to ensure that they adhere to the passive house explicit criteria. Internal gains, shading, and orientation were analyzed to assess their effect on heating and cooling loads. Peterborough MURB has shown more energy-saving potential compared to the Wolfe Island passive house. Heating load reduction has been compared, more than five times, to the cooling load reduction potential. The reduction in GHG emissions can be up to 39% when passive house parameters are applied to the Wolfe Island house. This paper has shown the potential of the passive house in relation to sustainable buildings in Northern climates.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207