Notice bibliographique
Résumé
Viherseinät ovat nousseet kansainvälisesti hyväksi ratkaisuksi tuoda vihreyttä ja muita hyötyjä erityisesti tiiviisti rakennetuille kaupunkialueille. Väärin toteutettuna ne voivat olla kuitenkin haitaksi julkisivulle tai jopa koko rakennukselle. Tässä tutkielmassa selvitetään vihreiden julkisivujen mahdollisuuksia eri näkökulmista osana isompaa kokonaisuutta. Tutkielmassa käydään läpi minkälaisia hyötyjä ja haittoja viherjulkisivuista on. Tutkielma on toteutettu kirjallisuuskatsauksena, jossa keskitytään vertaamaan kansainvälisiä tutkimuksia Suomen olosuhteisiin. Tutkielmassa käydään ensin läpi, miten köynnöskasvit käyttäytyvät, miten niitä on aikoinaan hyödynnetty ja miten niitä voidaan nykyään käyttää viherjulkisivusysteemeinä. Sen jälkeen käsitellään syvemmin, että mitä viherjulkisivut ovat ja mitä ne tarvitsevat materiaalien ja ylläpidon kannalta. Seuraavaksi siirrytään selvittämään tutkielman päämäärää, eli minkälaisia hyötyjä ja haittoja köynnöskasveista viherjulkisivuina on. Tämän jälkeen tarkastellaan viherjulkisivuihin liittyviä kustannuksia. Lopuksi tuon omia pohdintoja kirjallisuuskatsauksesta ja teen johtopäätökset siitä miten kannattavia ratkaisuja viherjulkisivut ovat Suomen olosuhteissa. Viherjulkisivujen kannalta olennaista tutkimusta Suomen olosuhteissa ei ole lähes lainkaan. Suomen olosuhteissa hyötyjen joukosta ei ole varsinaisesti yhtä erittäin hyödyllistä etua, vaan ne yhdessä hyvän suunnittelun ja hoidon kanssa luovat hyvin potentiaalisen viherelementin kaupunkeihin. Olennaista viherjulkisivuissa on kuitenkin se, että niiden tulee peittää mahdollisimman paljon tilaa julkisivulta, jotta hyödyt olisivat merkittäviä. Tarpeellinen hoito on tärkeää näiden hyötyjen lisäämiseksi ja haittojen ehkäisemiseksi. Viherjulkisivut eivät kuitenkaan ratkaise ongelmia yksinään, vaan ne tulisi suunnitella osaksi isompaa viherkokonaisuutta, jolloin hyödyt olisivat tehokkaampia. Aihe vaatii kuitenkin enemmän tutkimusta viileissä ilmastoissa, sillä näistä on huomattavasti vähemmän aineistoa kuin lämpimissä ilmastoissa.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,003 |
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 ».