MétaCan
Menu
Retour à la cohorte
Enregistrement W4411473041 · doi:10.7771/3067-4883.1931

Framework for Assessing the Sustainability of Innovative Building Technology

2025· article· en· W4411473041 sur OpenAlexaff
Darmarajan Chinasamy, Abimbola Windapo, Fidelis Emuze, Francesco Pomponi

Notice bibliographique

RevueCIB Conferences · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensYork University
Organismes subventionnairesNational Research FoundationRoyal Academy of Engineering
Mots-clésSustainabilityArchitectural engineeringProcess managementBusinessComputer scienceConstruction engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The construction industry faces the dual challenge of providing affordable housing while addressing the pressing issue of climate change. In South Africa, many residents are forced to live in informal settlements due to a lack of affordable housing. This study aims to develop a sustainability assessment framework that evaluates the interconnectedness of affordability, social sustainability and environmental impact. The framework emphasizes the importance of reducing greenhouse gas emissions. It incorporates energy consumption and socio-economic impact criteria aligning with the United Nations Sustainable Development Goals (SDGs). The findings suggest that while sustainable building practices may incur higher initial costs, they offer long-term benefits, including reduced energy consumption and carbon emissions. The proposed framework will serve as a tool for evaluating the sustainability of innovative building technologies, contributing to the discourse on sustainable construction practices. The study recommends an enhanced stakeholder engagement and a regulatory landscape conducive to adopting IBTs. Further empirical research is recommended to refine the framework and broaden its applicability across different contexts.

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)0,017
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0120,005
Études des sciences et des technologies0,0030,010
Communication savante0,0110,006
Science ouverte0,0030,006
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,020
Tête enseignante GPT0,342
Écart entre enseignants0,322 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIB ConferencesMême sujetSustainable Building Design and AssessmentTravaux en français237 207