CLT:n käyttö lattiarakenteena: kosteustekninen toimivuus
Bibliographic record
Abstract
Opinnäytetyön aihe on saatu toimeksiantona CLT Finland Oy:ltä. Tavoitteena oli tutkia CLT:n eli ristiinliimatun puuelementin käyttöä alapohjan lattiarakenteena. Työn tarkoituksena oli saada tietoa lattiarakenteen kosteusteknisestä toimivuudesta sekä tutkia alapohjassa tapahtuvia kosteus- sekä lämpötilavaihteluita. Tavoitteena tulevaisuudessa CLT Finland Oy:llä on tuoda puurakentamisen kehitystä rakennusmarkkinoille. Teoriaosuudessa perehdyttiin puun ominaisuuksiin ja käyttöön rakentamisessa. Opinnäytetyössä esiteltiin myös tyypillisesti betonista rakennettu maanvarainen lattiarakenne ja sen ominaisuuksia. Opinnäytetyössä käsiteltiin myös puun ja betonin hyötyjä ja haittoja. Teoreettisen viitekehyksen lisäksi opinnäytetyössä käytettiin Wufi-ohjelmistolla tehtyä simulointia, jolla pystyttiin tutkimaan, olisiko ristiinliimatusta puusta rakennettu alapohjarakenne mahdollinen. Ohjelmistoon valittiin Suomen sääolosuhteiden tiedot rakenteen simulointiin. Tutkimuksen tulokset osoittavat, että CLT:stä rakennettu lattiarakenne voisi olla kosteusteknisesti toimiva rakenneratkaisu. Rakennetta tulisi tutkia vielä tarkemmin mittauksilla, jotta tutkimukselle ja rakenteen toimivuudelle saataisiin varmistus.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.240 | 0.105 |
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".