Análise das causas raízes que dificultam a adoção de telhados verdes nas edificações brasileiras com utilização da metodologia Delphi
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Green roof systems are considered a sustainable practice to mitigate the adverse effects of urbanization in densely populated areas. Green roofs mitigate urban heat islands, retain rainwater and generate peak flow and runoff, improve urban air quality, absorb noise losses, increase the thermal efficiency of buildings and provide a pleasing aesthetic effect as buildings. Germany, France, UK, Hong Kong, USA, Canada, Australia, Singapore, Japan and other countries are encouraging the installation of green roofs during the construction of new buildings and adapting the old ones so that this technique becomes a reality in the near future. However, the use of this type of coverage in developing countries and regions is still not widespread. The objective of this research is to identify root causes that hinder the adoption of green roofs in Brazilian buildings. Understanding the deep barriers is important to promote the implementation of green roofs on a large scale and consequently, to achieve the benefits of their installation. This research was developed through a review of technical literature and field research (questionnaire) with experts using the Delphi Methodology approach. The essential results are that the main barriers to the adoption of green roofs in Brazilian buildings are associated with problems of knowledge and knowledge of the technology and that there are barriers associated with all stages of the building's life cycle, including the planning phases and design, construction and operation and management.The abstract should contain similar information than in "resumo" and must be written in english. Avoid using automatic translation.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle