Enseignement de l’acoustique en conception intégrée
Bibliographic record
Abstract
Depuis maintenant quelques années, l’atelier d’ambiances physiques présenté dans le cadre du programme de maîtrise professionnelle a été renouvelé afin d’y ajouter une collaboration multidisciplinaire. En effet, les étudiants de 4e année en architecture choisissant cette option durant un semestre doivent maintenant faire équipe avec des étudiants en génie mécanique, génie civil, de même qu’en génie des matériaux en bois. Bien que le travail en groupe de 4 à 8 personnes durant les différentes phases de conception d’un projet puisse représenter de nombreux défis, cette nouvelle approche a néanmoins l’avantage de sensibiliser chacun aux processus de conception intégrée qui deviendra probablement la norme durant leurs futures carrières respectives. Outre l’apprentissage de certains outils de conception des bâtiments avec des maquettes numériques (BIM), les itérations des propositions permettent d’optimiser toute une panoplie de performances, notamment en termes de consommation énergétique. Selon le contexte, l’acoustique architecturale est examinée à l’échelle urbaine pour gérer l’exposition du projet au bruit communautaire, jusqu’à l’analyse détaillée des compositions des parois. En attendant que les logiciels de modélisation des données du bâtiment incorporent les performances acoustiques à la liste des fonctions disponibles, il est espéré que tous ces professionnels en devenir pourront conserver certains réflexes quand il leur faudra tenir compte des problèmes de bruit lors de projets ultérieurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".