MétaCan
Menu
Retour à la cohorte
Enregistrement W7111976966

On the relationship between building energy efficiency, aesthetic features and marketability:Toward a novel policy for energy demand reduction

2019· article· en· W7111976966 sur OpenAlexaff

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésInefficiencyEnergy (signal processing)Energy demandMultidisciplinary approachFace (sociological concept)Market failureEfficient energy use
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Despite significant progresses in development of energy-efficient buildings (EEBs), energy demand in building sector is still drastically increasing. This paradox is conceptualized in this study as Inefficiency of Increased Building Energy Efficiency. Marketability failure of EEBs and inefficiency in integrated design approach are the main causes of this paradox. Compared to merely focusing on the energy-efficiency enhancement, increasing the number of EEBs with a better marketability via enhancement of their aesthetic features is proposed as a novel approach for energy demand reduction in the building sector. This article aims to first investigate the current stage of EEBs’ adoption and the associated market barriers, and then to propose a multidisciplinary design approach to scrutinize the role of aesthetic features on buildings’ marketability for development of effective policies. Conducted comprehensive survey among real-estate agencies across 26 UK cities reveals a negative correlation between the energy-efficiency and housing marketability. Moreover, house price and aesthetic features are understood as the most dominant parameters that impact individuals' buying decision. Any extra initial cost of EEBs over 3% is likely to face market resistance. Furthermore, strong empirical evidences have been found to confirm that the proposed approach has a substantial potential to increase the EEBs’ number.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 GPT0,292
Écart entre enseignants0,266 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetSustainable Building Design and AssessmentTravaux en français237 207