MétaCan
Menu
Retour à la cohorte
Enregistrement W7065579001

Energy Efficient Ventilation for Maintaining Indoor Air Quality in Large Buildings

2000· article· en· W7065579001 sur OpenAlexvenueaboutno aff

Notice bibliographique

RevueNPARC · 2000
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndoor air qualityVentilation (architecture)Energy recovery ventilationAir quality indexEfficient energy useIndoor air
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

this paper was presented at the 3rd International Conference on Cold Climate Heating, Ventilating and Air-conditioning, Sapporo, Japan, November 2000 C. Y. Shaw Rsum Institute for Research in Construction, National Research Council Canada Achieving good indoor air quality in large residential and commercial buildings continues to be a top priority for owners, designers, building managers and occupants alike. Large buildings present a greater challenge in this regard than do smaller buildings and houses. The challenge is greater today because there are many new materials, furnishings, products and processes used in these buildings that are potential sources of air contaminants. There are three strategies for achieving acceptable indoor air quality: ventilation (dilution), source control and air cleaning/filtration. Of the three, the most frequently used strategy, and in most cases the only one available to building operators, is ventilation. Ventilation is the process of supplying outdoor air to an enclosed space and removing stale air from this space. It can control the indoor air quality by both diluting the indoor air with less contaminated outdoor air and removing the indoor contaminants with the exhaust air. Ventilation costs money because the outdoor air needs to be heated in winter and cooled in summer. To conserve energy, care must be taken to maximize the efficiency of the ventilation system. In this regard, a number of factors come into play

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,301
Écart entre enseignants0,289 · 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.

Devis d'étudeExpérimental (laboratoire)
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
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207