Suuren rakennuksen hiilijalanjälkilaskenta vähähiilisyyden arviointimenetelmää noudattaen
Bibliographic record
Abstract
Opinnäytetyö tehtiin osakeyhtiö Lamit.fi: n toimeksiantona ja sen tavoitteena oli puurakenteisen paikoitushallin elinkaaren aikainen päästöselvitys vähähiilisyyden arviointimenetelmää- ja työkalua käyttäen. Päästöselvitykseen kuuluu hiilijalanjälki, jolla kuvataan arviointikohteen elinkaaren aikana tuottamia kokonaispäästöjä sekä hiilikädenjälki, jota käytetään päästövähennyspotentiaalin ilmaisemiseen. Helsingin ja Vantaan yhteishankkeen tavoitteena oli Suomen viranomaisvaatimukset täyttävän puurakenteisen pysäköintilaitoksen kehittäminen. \n \nTyössä perehdyttiin Ympäristöministeriön julkaisemaan Euroopan Komission Level(s) ja EN-standardeihin pohjautuvaan vähähiilisyyden arviointimenetelmään, joka on tarkoitettu uudisrakennusten ja laajamittaisten korjausten hiilijalanjäljen ja hiilikädenjäljen arviointiin. Työssä hyödynnettiin jo olemassa olevaa tutkimusaineistoa, jota sovellettiin uuteen kohteeseen. Opinnäytetyön tuloksina saatiin elinkaarilaskenta konkreettiselle kohteelle, vertailut betoni- ja puurakenteiden välillä sekä tietoa ja huomioita laskennan toimintaperiaatteista. \n \nPuu on uusiutuva raaka-aine, joka kasvaessaan myös sitoo hiilidioksidia, joten puurakentamisen lisääminen edistää osaltaan vähähiilisyyttä. Puurakenteisen paikoitushallin hiilikädenjälki huomattavasti hiilijalanjälkeä suurempi ja tällöin se kompensoi kokonaispäästöjä. Suurin osa paikoitushallin hiilijalanjäljestä syntyy ennen käyttöä, ja tulokset puu- ja betoniratkaisujen vertailussa puhuivat puurakentamisen puolesta. Arvioinnilla on tärkeä merkitys Suomen ollessa sitoutunut merkittäviin kasvihuonepäästövähennyksiin ja se tulee kehittymään tulevaisuudessa.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.109 | 0.043 |
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".