MétaCan
Menu
Retour à la cohorte
Enregistrement W6921914470 · doi:10.11575/prism/40205

Deep Energy Retrofits in Housing for Low Income Household in BC and Manitoba: An Opportunity for Climate Mitigation and Social Equity

2022· other· en· W6921914470 sur OpenAlexaboutno aff

Notice bibliographique

RevuePRISM (University of Calgary) · 2022
Typeother
Langueen
DomaineComputer Science
ThématiqueEducational Robotics and Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasBuilding envelopeElectrificationPublic housingEnergy consumptionElectricityClimate change mitigationLow-riseRenewable energy

Résumé

récupéré en direct d'OpenAlex

The low-income and vulnerable populations in Canada often live in social housing buildings with poor energy and environmental indoor performance. Many social housing buildings in Canada need major repairs and would also benefit from deep energy retrofits (DER) that could make them climate resilient, and safe for occupancy. The objective of this research was to investigate the GHG emissions reduction, as well as the energy and cost saving potential of different retrofit approaches in BC and Manitoba. I collected electricity and natural gas consumption data for 30 buildings in BC which were subsequently narrowed down to 6 building sites based on their location and type of retrofit. I also collected data for 2 buildings in Manitoba. One building received an interior insulating spray foam application, and the other, exterior spray foam. My study shows that different retrofit approaches executed in BC yielded 18% to 39% energy savings and 27% to 99% GHG emissions reduction as a result of the electrification of one or both end-use systems for space and water heating, as well as building envelope upgrade. Significant energy savings and GHG emissions reduction were also realized in the two Manitoba buildings where building envelope enhancements were executed including the installation of high efficiency heat recovery ventilation systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,224
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetEducational Robotics and EngineeringTravaux en français237 207