Post-occupancy evaluation of energy and indoor environment quality in green buildings: a review
Notice bibliographique
Résumé
The need to reduce energy use as part of a strategy to alleviate environmental stresses is widely accepted. Buildings are big end-users of energy; buildings account for 20-40% of the energy demands in developed nations, and the rate of new building construction in developing nations is accelerating. To reduce the impact that buildings have on the environment, the need for them to use as little energy as possible while still providing a satisfactory indoor environment is critical. The green building movement may be an effective catalyst for this, and various green building rating schemes are now in the marketplace worldwide. Certified 'green' commercial buildings exhibit higher real-estate values, presumably reflecting expectations for reduced operating costs, and improved organizational productivity through better indoor environments for employees. However, the higher market value cannot be maintained in the long run if these buildings do not deliver their expected benefits. The early generations of 'green' certified commercial buildings have now been occupied for several years, and it is time to explore whether these 'green' buildings are living up to expectations in objective terms. This paper reviews several of the post occupancy evaluations (POEs) that have been performed. A limited number of POEs are available in the public domain, making it difficult to draw solid conclusions. However, early trends suggest that green buildings on average seem to be delivering reduced energy use, however a large spread in performance is often observed meaning that individual buildings do not always perform as expected. Occupant satisfaction with some aspects of the indoor environment appears to have improved compared to conventional buildings, but there are areas where expected improvement trends are not realized. This paper provides some possible explanations for the observed performance, and describes a new, Canadian-led, research project that aims to explore these issues further.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».