A Harmonized Dataset of High-Resolution Whole Building Life Cycle Assessment Results in North America: <i>Data only - </i><i>First Public Release</i>
Notice bibliographique
Résumé
This is a 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.The dataset is composed of two files:<b>buildings_metadata.xlsx</b> includes all project metadata and LCA parameters for every project associated with a unique index number to cross-reference across other files. This also includes various calculated summaries of LCI and LCIA totals and intensities per project.<b>full_lca_results.xlsx</b> includes LCI and LCIA results per material and life cycle stage of each building project.This dataset is documented and described in the forthcoming Data Descriptor:Benke et al. A Harmonized Dataset of High-resolution Whole Building Life Cycle Assessment Results in North America, 07 March 2025, PREPRINT (Version 1) available at Research Square https://doi.org/10.21203/rs.3.rs-6108016/v1When referencing this work, please cite both the Data Descriptor and the most recent dataset version on this Fighshare DOI.The dataset also appears on the Github repository: https://github.com/Life-Cycle-Lab/wblca-benchmark-v2-data. Access to the code used to prepare this dataset is available on an additional Github repository: https://github.com/Life-Cycle-Lab/wblca-benchmark-v2-data-preparation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,021 | 0,028 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».