Mass Timber Projects in North America: An Exploratory Analysis
Notice bibliographique
Résumé
Mass timber construction has gained significant traction in recent years, yet a comprehensive data-driven assessment of its design trends remains limited.This study analyzes 679 mass timber projects from the Woodworks Innovation Network (WIN) to examine the relationship between material selection, building use, and geospatial attributes.Through web scraping, key project characteristics-including location, building type, construction year, and material usage-were extracted, cleaned, and geocoded.Geographic data were integrated with FEMA's National Risk Index (NRI) to assess natural hazard exposure, though Canadian projects were excluded from risk analysis.Three analytical methods were employed: descriptive statistical analysis quantified material adoption trends, geospatial analysis mapped project distribution across hazard zones, and clustering analysis (using the K-modes algorithm) identified distinct material usage patterns.Results indicate that mass timber adoption has surged since 2010, with educational, office, and recreational buildings leading the trend.Type V and Type III construction dominated the permitting of the analyzed projects due to the ability to maximize the return and reduce the complexity of mass timber utilization.Geospatial analysis reveals regional variations in material preferences, influenced by hazard risks and policy factors.Clustering analysis identified four project groups with distinct material combinations and building characteristics, highlighting evolving design strategies.These findings provide a foundation for future research on mass timber's long-term performance, environmental impact, economic feasibility, and stakeholder networks.By leveraging this dataset, researchers can further investigate the role of policy, resilience, and innovation in advancing mass timber construction across North America.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».