A Conceptual Framework for Biophilic Architectural Design in Cold Climates: A Meta-Synthesis Analysis
Notice bibliographique
Résumé
Biophilic design has traditionally evolved from temperate-zone contexts, where access to nature is more readily available, and has rarely addressed the challenges of extreme climatic conditions. The potential of biophilic design to enhance health and well-being in cold environments, where exposure to nature must adapt to low temperatures, limited solar radiation, and pronounced photoperiod variation, remains underexplored. This study conducts a systematic meta-synthesis of biophilic architectural design strategies in Arctic and Sub-Arctic regions, adopting the SALSA (Search, Appraisal, Synthesis, and Analysis) framework in alignment with PRISMA guidelines to ensure methodological transparency and reproducibility. Nine peer-reviewed studies published between 2019 and 2024 were analyzed using qualitative coding and synthesis in NVivo. The findings identify thermal comfort, daylight, and circadian regulation as the most influential biophilic parameters, while greenery and water features, common in temperate frameworks, were limited due to environmental constraints. Key interventions include adaptive envelopes, optimized window design, intermediate buffer zones, and materials that balance insulation with sensory enrichment. The study proposes an “Interventions–Parameters–Outcomes” framework that illustrates the interrelationships among biophilic strategies, health-related outcomes, and climatic adaptation. While all studies originated from northern Canada, the conceptual framework provides a transferable foundation for future empirical validation and comparative research across diverse cold-climate regions, contributing to the advancement of climate-responsive, human-centered design in extreme environments.
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 | 0,001 |
| 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) | 0,001 | 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 ».