A strategic niche management framework to scale deep energy retrofits
Notice bibliographique
Résumé
Mass deployment of deep energy retrofits (DERs) is essential to drive the building stock transition to net zero. However, the rate of DER adoption remains extremely low, as existing financial, technical, regulatory and social systems favour piecemeal retrofit approaches. To address this issue, this paper applies strategic niche management (SNM)—a core theory in transition studies that focuses on creating ‘niches’ to help novel technologies gain momentum—to understand the role ‘transition intermediaries’ play in scaling DER. Specifically, three mass DER initiatives are explored that use an industrialised overcladding approach: Energiesprong in the Netherlands; RetrofitNY in New York, US; and REALIZE-MA, in Massachusetts, US. The study examines how each intermediary has addressed regionally specific barriers and opportunities to industrialised DERs through a systematic, iterative SNM framework of niche formation processes. These include choice of technology, selection, design and scaling up of the experiments, and the breakdown of protection mechanisms. SNM could be used as a practical tool to analyse and inform interventions to accelerate DER adoption in diverse jurisdictions. Furthermore, the importance of intermediaries is vital for catalysing transformations to secure a healthy, resilient, high-performing and environmentally responsible building stock. Practice relevance Mass deployment of DERs is critical to achieve a net zero building stock; however, necessary rates of adoption are hindered by existing systems that favour piecemeal retrofit approaches. SNM—a transitions theory that focuses on creating ‘niches’ to scale up novel technologies—is applied to understand the role of ‘intermediaries’ in facilitating mass DER. The work of Energiesprong, RetrofitNY and REALIZE-MA is examined through a systematic, practice-oriented SNM framework that considers how each agency has addressed regionally specific barriers and opportunities to scale DER primarily through an industrialised overcladding approach. Although the deep retrofit market has yet to mature out of protected niches at scale, SNM can analyse and inform interventions to accelerate DER adoption in diverse jurisdictions, and reveals the importance of intermediaries in managing niches to encourage critical learning processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».