Stratégies pour un béton à faible teneur en carbone : guide d'introduction pour les marchés publics fédéraux : l’initiative Sobriété en carbone par l’analyse du cycle de vie (SCACV)²
Bibliographic record
Abstract
Une grande quantité d’émissions de carbone est générée par la récolte, le transport, la fabrication et l’élimination ou le recyclage en fin de vie des matériaux de construction. Ces émissions sont appelées « carbone intrinsèque » et sont mesurées au moyen d’une technique appelée l’analyse du cycle de vie (ACV). Au fur et à mesure que les bâtiments deviennent plus efficaces sur le plan de leur énergie de fonctionnement annuelle et réduisent ainsi leur carbone opérationnel, l’industrie de la construction et les décideurs politiques du monde entier s’inquiètent de plus en plus des effets relatifs croissants du carbone intrinsèque. Une analyse du cycle de vie réalisée sur un édifice gouvernemental de l’Ontario certifié LEED, construit en 2013, montre que sur une période de 60 ans, le carbone intrinsèque représente plus de 40 % de l’empreinte carbone totale d’un bâtiment. Un rapport de 2018 du Groupe d’experts intergouvernemental sur l’évolution du climat a indiqué qu’il restait une fenêtre d’environ 12 ans pour une réduction importante des émissions avant que les effets catastrophiques des changements climatiques ne deviennent inévitables. Si le délai de 12 ans est considéré au lieu du délai standard de 60 ans de la norme LEED, le carbone intrinsèque devient la principale source d’émissions, représentant près de 75 % des émissions (Figure 1). Cette même étude a révélé que le béton dans le bâtiment était responsable d’environ 50 % du carbone intrinsèque. Par conséquent, au cours des 12 premières années du cycle de vie d’un bâtiment, le béton à lui seul est responsable de près de 40 % de l’empreinte carbone totale du bâtiment.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.006 |
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".