Assessment and Enhancement of Indoor Environmental Quality in a School Building
Notice bibliographique
Résumé
Achieving both indoor environmental quality (IEQ) and energy efficiency in school buildings remains a challenge, particularly in older structures where renovation strategies often lack site-specific validation. This study evaluates the impact of energy retrofits on a 1970s primary school in France by integrating in situ measurements with a validated numerical model for forecasting energy demand and IEQ. Temperature, humidity, and CO2 levels were recorded before and after renovations, which included insulation upgrades and an air handling unit replacement. Results indicate significant improvements in winter thermal comfort (PPD < 20%) with a reduced heating water temperature (65 °C to 55 °C) and stable indoor air quality (CO2 < 800 ppm), without the need for window ventilation. Night-flushing ventilation proved effective in mitigating overheating by shifting peak temperatures outside school hours, contributing to enhanced thermal regulation. Long-term energy consumption analysis (2019–2022) revealed substantial reductions in gas and electricity use, 15% and 29% of energy saving for electricity and gas, supporting the effectiveness of the applied renovation strategies. However, summer overheating (up to 30 °C) persisted, particularly in south-facing upper floors with extensive glazing, underscoring the need for additional optimization in solar gain management and heating control. By providing empirical validation of renovation outcomes, this study bridges the gap between theoretical predictions and real-world effectiveness, offering a data-driven framework for enhancing IEQ and energy performance in aging school infrastructure.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».