MétaCan
Menu
Retour à la cohorte
Enregistrement W4409772037 · doi:10.33508/wt.v23i2.5955

Penerapan Augmented Reality (AR) Dalam Desain Arsitektur Sebagai Upaya Keberlanjutan di Dunia Konstruksi

2024· article· id· W4409772037 sur OpenAlexaff
Andi Sahputra Depari, Rasional Sitepu, Hijriah Hijriah, Andi Faza Fadia

Notice bibliographique

RevueWidya Teknik · 2024
Typearticle
Langueid
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtComputer scienceAugmented realityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Dalam perancangan arsitektural, kertas masih menjadi media utama untuk visualisasi desain, terutama melalui gambar teknis dan presentasi proyek. Namun, penggunaan kertas secara berlebihan berdampak negatif pada lingkungan akibat penebangan hutan dan limbah kertas, yang bertentangan dengan upaya global menuju keberlanjutan di sektor konstruksi. Penelitian ini bertujuan untuk mengeksplorasi potensi Augmented Reality (AR) sebagai media visualisasi yang lebih ramah lingkungan. Metodologi penelitian yang di impelementasikan menggabungkan pendekatan kualitatif dan eksperimen, pengabungan dua pendekatan ini akan menghasilkan hasil yang lebih maksimal. Hasil analisis dan eksperimen menunjukkan bahwa penggunaan AR tidak hanya efektif dalam mengurangi limbah kertas, tetapi juga meningkatkan efisiensi proses desain dan komunikasi. Teknologi AR memungkinkan pengguna menelusuri desain bangunan dengan lebih rinci, mengidentifikasi potensi masalah lebih awal, dan melakukan penyesuaian desain secara cepat. Di samping dampak positif terhadap lingkungan, penggunaan AR juga mempercepat proses pengambilan keputusan dan kolaborasi antar-stakeholder melalui pengalaman visual yang realistis dan interaktif. Hasil penelitian ini diharapkan dapat mendorong penerapan teknologi yang mendukung keberlanjutan dalam industri konstruksi, serta pelaku industri untuk mengadopsi metode visualisasi modern yang lebih efisien dan ramah lingkungan.

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 candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,024
Tête enseignante GPT0,280
Écart entre enseignants0,257 · 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.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWidya TeknikMême sujetAugmented Reality ApplicationsTravaux en français237 207