Ääniolosuhteiden parantaminen soluasunnon huoneiden välillä
Bibliographic record
Abstract
Tässä opinnäytetyössä tutkittiin Opiskelija-asuntoja tarjoavan Joensuun Ellin soluasunnon huoneiden välisiä ääniolosuhteita. Tavoitteena oli selvittää, saavutetaanko vastaavat ääniolosuhteet, kuin mistä on säädetty Suomen ympäristöministeriön asetuksessa (796/2017). Asunnon huoneen ja muiden asunnon tilojen välillä ei ole standardisoitua vähimmäisvaatimusta ja siksi vertailukohtana käytettiin Suomen ympäristöministeriön asetusta asuntojen välisistä ääniolosuhteista. Opinnäytetyössä tarkasteltiin erityisesti ilmaääneneristävyyttä ja huoneakustiikkaa. Huoneiden välistä ilmaääneneristävyyttä mitattiin standardin SFS 5907:2022 mukaan. Mittaustuloksia verrattiin INSUL-ohjelmalla laskettuun huoneen väliseinän ilmaääneneristävyyslukuun. Mittaustuloksien perusteella tilojen välillä ei saavuteta yhtä hyvää ilmaääneneristävyyttä, kuin mistä on säädetty Suomen ympäristöministeriön asetuksessa. Laskentatulokset osoittivat, että ensimmäisenä kannattaa kiinnittää huomiota eri tiloja yhdistävien ilmanvaihtokanavien ääneneristyksen parantamiseen. Tulevissa jatkotutkimuksissa olisi hyödyllistä selvittää, miten ilmanvaihtokanavien äänenvaimentamisen parantaminen vaikuttaa ilmaääneneristävyyteen käytännössä.
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 | 0.002 |
| 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 | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.052 | 0.018 |
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".