Viherseinät : ulkoviherseinien soveltuminen Suomen olosuhteisiin
Bibliographic record
Abstract
Ulkoviherseinät ovat yleistyneet jo Pohjois-Amerikassa, Euroopassa, Japanissa ja Australiassa. Viherseinien käyttöä on myös kokeiltu Pohjoismaiden eteläisimmissä osissa. Suomessa ulkoviherseinät ovat ainoastaan kesäkäytössä. Opinnäytetyön tarkoituksena oli selvittää viherseinien erilaisia toteutustapoja ja vertailla niitä keskenään. Hankitun tiedon perusteella valittiin viherseinätyyppi, jota käytettiin Lahden ammattikorkeakoulun uuden NiemiCampuksen sisäpihan viherseinäsuunnittelussa.\n\nTyössä määriteltiin edellytyksiä kasvien menestymiselle ulkoviherseinissä Suomen vaihtelevissa sääolosuhteissa. Tutkimuksen aikana kävi ilmi, että huolellisilla kasvivalinnoilla ja suunnitelutyöllä luodaan ulkoviherseinän kasveille edellytykset selvitä ääriolosuhteissa. Opinnäytetyössä myös tutkittiin viherseinien vaikutuksia kaupunkiekologiaan ja niiden taloudellisia hyötyjä.\n\nTietoja viherseinien erilaisistä tyypeistä ja hyödyistä hankittiin tutkimalla aiheeseen liittyvää ulkomaalaista kirjallisuutta, haastattelemalla taimistoviljelijöitä ja viherseinäasiantuntijoita. Työssä tutkittiin aiemmin tehtyjä viherseinäkokeita Suomessa ja Ruotsissa. Näiden kokeiden tulokset osoittavat, että on olemassa kasvilajeja, jotka selviävät ulkoviherseinissä Pohjoismaiden ankarassa ilmastossa. NiemiCampuksen ulkoviherseinäsuunnittelussa käytettiin kasvilajeja, jotka näyttivät parhaat tulokset ulkoviherseinäkokeiluissa, sekä taimistoviljelijöiden ja viherseinäasiantuntijoiden suosittelemia kasveja.\n\nViherseinien hyötyjä on paljon tutkittu lämpimissä maissa, mutta tuloksia ei pysty soveltamaan Suomen ilmastoon. Suomessa tarvittaisiin tutkimuksia viherseinien taloudellisista ja ekologisista vaikutuksista paikallisissa olosuhteissa. Jos näiden tutkimusten tulokset puhuvat viherseinien kannattavuuden puolesta, seuraavaksi pitäisi kehittää Suomen ilmastoon sopivia viherseinämoduuleita.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.071 | 0.034 |
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".