MétaCan
Menu
Retour à la cohorte
Enregistrement W4411885790 · doi:10.1038/s41597-025-05216-0

A Harmonized Dataset of High-Resolution Embodied Life Cycle Assessment Results for Buildings in North America

2025· article· en· W4411885790 sur OpenAlexaboutno aff
Brad Benke, Manuel Chafart, Yang Shen, Milad Zokaei Ashtiani, Stephanie Carlisle, Kathrina Simonen

Notice bibliographique

RevueScientific Data · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensnon disponible
Organismes subventionnairesCenter for the Built EnvironmentClimateWorks FoundationUniversity of WashingtonAlfred P. Sloan Foundation
Mots-clésLife-cycle assessmentReuseSustainabilityEnvironmental impact assessmentBuilding designComputer scienceBuilt environmentEnvironmental resource managementSet (abstract data type)Impact assessmentArchitectural engineeringEnvironmental scienceCivil engineeringEngineeringProduction (economics)Ecology

Résumé

récupéré en direct d'OpenAlex

Building design practitioners are increasingly using life cycle assessment (LCA) to assess the environmental impacts of their buildings. However, industry-generated LCA results are rarely compiled into comparable datasets and rarely made public. Thus, harmonized and open-access datasets of building LCA results are limited, particularly in North America. Here we present a novel high-resolution dataset of building design characteristics, life cycle inventories, and environmental impact assessment results for 292 building projects in the United States and Canada. The dataset contains harmonized and non-aggregated LCA model results across life cycle stages, building elements, and building materials to enable detailed analysis, comparisons, and data reuse. It includes over 90 building design and LCA features to assess distributions and trends of material use and environmental impacts. Uniquely, the data were crowd-sourced from designers conducting LCAs of real-world building projects. This dataset fills critical gaps for the building industry, research, and policy communities, enabling them to analyze and compare the impacts of buildings, test or set performance targets, and motivate sustainable design and construction practices.

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 candidatesaucune
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 enseignants0,677
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,301
Écart entre enseignants0,273 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetSustainable Building Design and AssessmentTravaux en français237 207