Green’ntropy: semantic web / pragmatic web e Officine per la Sostenibilità della Ricerca come motore per riattivare la riqualificazione energetica degli edifici pubblici
Bibliographic record
Abstract
In questo “position paper” si rappresentano obbiettivi modelli e metodi per contribuire ad avviare una campagna attiva di ricerca e sensibilizzazione sociale basata sull’interazione attraverso reti sociali e reti di automi basata nel Parco della Ricerca Enea Casaccia. Viene fornita un’anticipazione di quello che vuole essere il progetto “Sistemi Aperti Sapienza”; viene poi fornita una descrizione delle motivazioni di partenza e della riflessione che ha generato questa idea progettuale. Poi vengono considerate le ragioni per la convergenza di partner, identificati nei principali organismi della ricerca nel nostro territorio, in una organizzazione regionale guidata e ospitata da ENEA per raggiungere più rapidamente gli obiettivi dichiarati. La proposta prevede l’ implementazione presso ENEA, di un “FabLab”, un laboratorio finalizzato alla realizzazione di prototipi virtuali / reali, ovvero progettati attraverso software di modellazione 3d e stampabili attraverso stampanti 3d dall’utilizzatore finale. Ciò avverrebbe sulla scorta di quanto sta rapidamente diffondendosi in Italia e nel mondo sull’esempio del Center for Bits and Atoms (CBA) - MIT di Boston fondato da Neil Gershenfeld. Il FabLab Casaccia dovrebbe essere realizzato come una delle previste Officine della Sostenibilità specializzata nella produzione di soluzioni per la riqualificazione energetica degli edifici, per l’ applicazione delle energie sostenibili, per la diffusione virale di educazione e consapevolezza energetica e ambientale. Questo progetto, è pensato come un contributo di Sapienza nell’ambito della partnership al progetto di riqualificazione del Parco ENEA finalizzato ad operare per l’applicazione, prevista entro il 2015, delle misure di riqualificazione degli edifici nel settore della Pubblica Amministrazione.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.015 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 0.008 |
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".