Betonielementtien uudelleenkäytön potentiaaliselvitys
Bibliographic record
Abstract
Purkubetonista kierrätetään Suomessa tällä hetkellä noin 80 prosenttia pääosin murskeena. Kierrätysasteen kasvuun tarvitaankin yhä uusia kierrätystapoja, kuten purkuelementtien uudelleenkäyttöä suoraan uudisrakennuksen osina. \n \nOpinnäytetyön päätavoitteena oli selvittää Pohjola Rakennus Oy Suomen toimeksiantona betonielementtien uudelleenkäytön potentiaali. Konkreettisina osatavoitteina oli selvittää uudelleenkäytettävien betonielementtien työvaiheet, menetelmät ja kustannukset uudelleenasennusvalmiuteen asti, verrata uudelleenkäytettävien elementtien kokonaiskustannusta vastaavien uusien elementtien kustannuksiin sekä laatia työn tilaajalle arviointityökalu purkukohteen betonielementtien uudelleenkäytön potentiaalin määrittämiseen. \n \nOpinnäytetyössä selvitettiin uudelleenkäytettävien betonielementtien työvaiheet, menetelmät ja kustannukset uudelleenasennusvalmiuteen asti sekä kirjallisuusselvityksenä että asiantuntijahaastatteluin. Lisäksi työssä toteutettiin kohdevierailu purkukohteeseen kokonaisuuden konkretian hahmottamiseksi. \n \nTyön ensimmäisenä tuloksena muodostettiin betonielementtien uudelleenkäytön tarkennettu prosessi päävaiheineen, alivaiheineen sekä toimenpiteineen ja menetelmineen. Työn toisena tuloksena luotiin kustannusarviot tarkennetun prosessin päävaiheille, alivaiheille ja niiden toimenpiteille perustuen asiantuntijahaastatteluista ja Rakennustiedon RT-kustannuslaskenta palvelusta saatuihin kustannustietoihin. Työn kolmantena tuloksena laadittiin työn tilaajalle Excel-arviointityökalu purkukohteen betonielementtien uudelleenkäytön kustannusarvion ja potentiaalin määrittämiseen. Työ on toisen ja kolmannen tuloksen sisällön osalta luottamuksellinen. \n \nAsiantuntijahaastattelujen perusteella betonielementtien uudelleenkäyttö asuinrakennuskohteissa ja näiden kohteiden toteuttaminen on vielä uutta rakentamisessa joitakin kehitysprojekteja lukuun ottamatta. Tästä johtuen vakiintuneet käytännöt ja jälkilaskentamateriaali taloudellisen potentiaalin arviointiin vielä puuttuvat. Erityisesti toimijoiden väliset sopimukset ja vastuiden jakautuminen toimijoiden kesken tarvitsevat vielä lisäselvitystä. Myös arvojen sekä asenteiden muutosta tarvitaan edelleen. Johtopäätöksenä on, että uudelleenkäyttöä aletaan suosia laajamittaisesti vasta, kun siitä tulee varmuudella taloudellisesti kannattavaa tai lainsäätäjän puolelta vaadittua liiketoimintaa. Tämä on työn julkinen versio, \neikä sisällä luottamuksellisia liitteitä 3, 4 ja 6.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.045 | 0.010 |
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".