Yleiset rakennusvirheet : Kosteus
Bibliographic record
Abstract
Tämän opinnäytetyön toimeksiantajina on Finanssialan Keskusliitto sekä Rakennus-, LVI- ja kiinteistöalan henkilöpätevyydet FISE Oy, joiden käyttöön on tuotettu materiaalia yleisistä rakennusvirheistä. \n \nPäättötyöni tavoitteena oli koostaa tietoa rakennusvirhe-käsitteestä suunnittelun, työsuoritteen ja rakennusfysiikan näkökulmista sekä selventää rakennusfysiikan perusilmiöitä. Päättötyöni rajautuu kosteuteen liittyviin ongelmiin rakennuksen vaipparakenteissa ja märkätiloissa. Lisäksi olen työstänyt FISE Oy:n ylläpitämään rakennusvirhepankkiin virhekortteja vahinkotarkastajien listauksen perusteella. \n \nTämän opinnäytetyön lähdemateriaalina on käytetty Suomen ympäristöministeriön antamia ohjeita ja määräyksiä rakennusten kosteudenhallinnassa sekä Suomen Rakennusinsinöörien Liiton RIL Ry:n julkaisemia ohjeita muun muassa rakennusten veden- ja kosteuseristyksissä. Lisäksi työssä on hyödynnetty rakennusfysiikkaa käsittelevää kirjallisuutta ja rakennusvirheitä käsitteleviä verkkosivustoja. \n \nVakuutustarkastajien listauksen perusteella tuottamani viisi rakennusvirhekorttia yleisesti toistuvista virheistä, julkaistaan FISE Oy:n ylläpitämässä rakennusvirhepankissa. \n \nRakennusvirhekortit: \n– Alapohjan kosteuden poisto ei toimi \n– Kapillaarisen kosteuden pääsy alapohjarakenteisiin \n– Perusmuurin puutteellinen vedeneristys \n– Piilosokkelirakenne \n– Puutteellinen salaojitus
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.075 | 0.022 |
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".