MétaCan
Menu
Retour à la cohorte
Enregistrement W4415606368 · doi:10.1016/j.buildenv.2025.113918

Occupants’ willingness to share information for improved comfort and energy efficiency in offices

2025· article· en· W4415606368 sur OpenAlexafffund
Marcel Schweiker, Dimitris Potoglou, Farah Al‐Atrash, Eleni Ampatzi, Maíra André, Elie Azar, Karol Bandurski, Leonidas Bourikas, Carolina Buonocore, Bin Cao, Giorgia Chinazzo, Rania Christoforou, Sarah Crosby, Renata De Vecchi, Edyta Dudkiewicz, Ricardo Forgiarini Rupp, Stephanie Gauthier, Natalia Giraldo Vásquez, Runa T. Hellwig, Gesche Huebner, Marta Laska, Marín-Restrepo Laura, Isabel Miño-Rodríguez, Mohamed Ouf, RissettoRomina, TurnerPhilip, WangYijia

Notice bibliographique

RevueBuilding and Environment · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensCarleton University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaEngineering and Physical Sciences Research CouncilCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorPolitechnika PoznańskaDet Obelske FamiliefondFonds De La Recherche Scientifique - FNRSCanada Research ChairsVillum Fonden
Mots-clésWillingness to payPreferenceMixed logitAnonymityControl (management)Data collectionDiscrete choicePerceptionSurvey data collection

Résumé

récupéré en direct d'OpenAlex

• Influences on occupants’ willingness to share information are investigated • 791 samples were collected with a stated preference discrete choice experiment • Sharing demographic and physical environmental data is widely acceptable • Heightened concerns exist about sharing psychological and activity-related data • Anonymity and control over the data appear to be of crucial importance Human environmental perception and occupant behaviour are influenced by a multitude of factors, including demographic variables and individual preferences. Advancements in data collection allow the acquisition of extensive personal information, such as heart rate, skin temperature, and emotional responses to environmental conditions. These data can enhance research on multi-domain influences and on optimizing building operations but raise questions regarding individuals' willingness to share personal information. This study investigates how factors like data type, data collector, and anonymity level are associated with occupants’ willingness to share information for improved indoor environmental conditions or energy efficiency. A stated preference discrete choice experiment was developed and applied, with responses collected from participants in 29 countries, resulting in a dataset with 791 samples. The discrete choice analysis was conducted using mixed logit models and based on Random Utility Theory. The outcomes indicate that respondents exhibit relative indifference toward sharing demographic and physical environmental data, while having heightened concerns about sharing psychological and activity-related information. Anonymity and control over the data appear to be of crucial importance. Additionally, data collection by academic institutions is preferred to that by for-profit entities. Variability in willingness to share data across and within samples of countries suggests a necessity for tailored strategies. This research underscores the necessity of balancing advancements in energy efficiency and thermal comfort with societal needs that respect individual rights. Practical recommendations for effective personal data collection are provided and methodological limitations due to scenario complexity and participant engagement are highlighted.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,186
Écart entre enseignants0,182 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revueBuilding and EnvironmentMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207