• Home
  • Predictive Model Of The Impact Of Embodied Energy On Cultural Changes In The Operation Of Green Schools with Emphasis On The Moderating Role Of The Exterior Wall

Share To

Article Url


Manuscript ID : 140304211126250 Visit : 184 Page: 123 - 147

Article Type: Original Research

Predictive Model Of The Impact Of Embodied Energy On Cultural Changes In The Operation Of Green Schools with Emphasis On The Moderating Role Of The Exterior Wall

Subject Areas : Social Evolutions

Somayeh Dowlat 1 , Heydar Jahanbakhsh 2 , Fahimeh Motazadian 3 , Ghazal Safdarian 4

1 - PhD Graduate In Architecture, Department of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran.
2 - Associate Professor, Department Of Architecture, Tehran Branch, Payam Noor University, Tehran, Iran.
3 - Assistant Professor, Department of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran.
4 - Assistant Professor, Department of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran.

Received: 2024-06-10 Accepted : 2024-08-27 Published : 2024-12-23

Keywords: Cultural & Climatic Changes, Current Society & Embodied Energy, Operational Energy, Social Studies, Green Schools, Predictive Model, Exterior Wall Core.,

Abstract :

Buildings have a significant impact on cultural and climatic changes due to their resource and energy consumption, a main challenge for humanity in current society. Energy in buildings has two components: embodied energy and operational energy. Scientists worldwide study strategies to reduce building energy consumption, focusing on either operational or embodied energy separately. Thus, there is a gap in social studies regarding the impact of embodied energy on operational energy in buildings. Additionally, energy studies on educational buildings with a social approach are scarce. The primary aim of this research is to develop and test a predictive model of the impact of embodied energy on cultural changes and operational energy in green school buildings. It also examines the moderating role of the embodied energy of the exterior wall core in the causal relationships of the conceptual model. The researcher used a quantitative approach and a systematic methodology with advanced variance-based structural equation modeling techniques to test the hypotheses. After data collection and screening, 702 samples were tested for validity, reliability, and model fit of the external model, and the hypotheses were tested within the structural model. The results, with R2 = 0.704 and 0.755 in two structural equations, indicate a powerful explanation of the variance in cooling load and heating load (i.e., operational energy) based on embodied energy behavior. This suggests the model can predict 70-75% of the influence of embodied energy on operational energy.

References:

احمدی، زهرا. یاسی، پوسف. 1400. نقش مؤلفه‌های انرژی در ساختار اجتماعی فرهنگی جامعۀ ایرانی، سومین کنفرانس ملی پیشرفت‌های نوین در حوزۀ انرژی و صنایع نفت و گاز، ساوه-ایران. 12-1.
اکبری، نعمت‌الله، طالبی، هوشنگ. جلائی، اعظم. 1395. بررسی عوامل اجتماعی و فرهنگی م‍ؤثر بر مصرف انرژی خانوار پس‌از اجرای قانون هدفمندسازی یارانه‌‏ها (مطالعه‌موردی: شهر اصفهان)، فصلنامۀ علمی‌پژوهشی-جامعه شناسی کاربردی، دورۀ 24، شمارۀ 4، 26-1.
خانی، محمدسعید. فلاحی، اسماعیل. بانشی، مهدی. 1395. ارائۀ مدل مدیریت تأمین انرژی در ایران براساس معیارهای فنی، اقتصادی و زیست‌محیطی، فصلنامۀ علمی‌پژوهشی-پژوهشنامۀ اقتصاد انرژی ایران، دورۀ 5، شمارۀ 18، 60-29.
دبدبه، محمد. 1403. برداشت از مجموعه آثار معمار دبدبه (عملکردهای انرژی در گستره‌های تغییرات اجتماعی-فرهنگی)، تهران.
دلاویز، محسن. مرتضوی‌اصل، سیدخدایار. سینایی، سیدعطاالله. 1401. بررسی تغییرات فرهنگی و اجتماعی مصرف انرژی و راهکارهای بهینه‌سازی آن برپایۀ سرمایۀ اجتماعی در آیندۀ جمهوری‌اسلامی ایران، فصلنامۀ علمی‌پژوهشی-جامعه‌شناسی سیاسی انقلاب اسلامی، دورۀ 3، شمارۀ 2، 80-53.
دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402a. بررسی مطالعات مدارس سبز با رویکرد علم‌سنجی در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران، 12-1.
دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402b. بررسی نقشه‌های علمی انرژی نهفته در صنعت ساخت‌وساز در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران،14-1.
دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402c. بررسی انرژی نهفته در ساختمان با رویکرد بیبلیومتریک در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران،15-1.
دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1403. بررسی شبیه‌سازی انرژی در ساختمان و فرهنگ رفتار ساکنان با رویکرد کتاب‌سنجی در پایگاه استنادی اسکوپوس، فصلنامۀ علمی‌پژوهشی-تغییرات اجتماعی-فرهنگی، دورۀ 23، شمارۀ 1، 20296-177.
سپهرنیا، رزیتا. 1390. بررسی نقش جهانی شدن در شکل‌گیری خاصگرائی‌های فرهنگی، فصلنامۀ علمی‌پژوهشی-مطالعات راهبردی سیاست‌گذاری عمومی، دورۀ 2، شمارۀ 5، 144-121.
فرهادی‌محلی، علی. 1390. بررسی تحلیلی پدیدۀ جهانی‌شدن باتمرکزبر حوزۀ فرهنگ، فصلنامۀ علمی‌پژوهشی-مطالعات راهبردی سیاست‌گذاری عمومی، دورۀ 2، شمارۀ 5، 96-63.
قاسمی، حاکم. نیکویه، مهدی. شیرویه‌پور، شهریار. 1400. راهبردهایی جهت بهبود سرمایۀ اجتماعی در ایران: رویکردی آینده‌پژوهانه با کاربست روش تحلیل لایه‌ای علت‌‌ها، فصلنامۀ علمی‌پژوهشی-علوم مدیریت ایران، دورۀ 16، شمارۀ 63، 160-135.
کریمی، یوسف. صفاری‌نیا، مجید. 1384. روان‌شناسی اجتماعی و تغییر نگرش مصرف‌کنندگان انرژی، فصلنامۀ علمی‌پژوهشی-انرژی ایران، دورۀ 9، شمارۀ 22، 83-69.

Acquaye, A. (2010). A Stochastic Hybrid Embodied Energy and CO2_eq Intensity Analysis of Building and Construction Processes in Ireland.
Ahamed, M. S., Guo, H., & Tanino, K. (2020). Modeling heating demands in a Chinese-style solar greenhouse using the transient building energy simulation model TRNSYS. In Journal of Building Engineering (Vol. 29). Elsevier Ltd.
Akande, O. K., Odeleye, D., Coday, A., & JimenezBescos, C. (2016). Performance evaluation of operational energy use in refurbishment, reuse, and conservation of heritage buildings for optimum sustainability. Frontiers of Architectural Research, 5(3), 371–382.
Alwan, Z., Nawarathna, A., Ayman, R., Zhu, M., & ElGhazi, Y. (2021). Framework for parametric assessment of operational and embodied energy impacts utilising BIM. Journal of Building Engineering, 42, 102768.
Avkiran, N. K., & Ringle, C. M. (2018). Partial least squares structural equation modeling (PLS-SEM). In Springer International Publishing AG.
Azar, E., & Menassa, C. C. (2012). A comprehensive analysis of the impact of occupancy parameters in energy simulation of office buildings. Energy and Buildings, 55, 841–853.
Baum, M., & Council, U. G. B. (2007). Green building research funding: An assessment of current activity in the United States. Citeseer.
Becker, J.-M., Rai, A., & Rigdon, E. (2013). Predictive validity and formative measurement in structural equation modeling: Embracing practical relevance.
Black, J., Hoffman, A., Hong, T., Roberts, J., & Wang, P. (2018). Weather Data for Energy Analytics: From Modeling Outages and Reliability Indices to Simulating Distributed Photovoltaic Fleets. IEEE Power and Energy Magazine, 16(3), 43–53.
Calì, D., Andersen, R. K., Müller, D., & Olesen, B. W. (2016). Analysis of occupants’ behavior related to the use of windows in German households. Building and Environment, 103, 54–69.
Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295(2), 295–336.
Coakley, D., Raftery, P., & Keane, M. (2014). A review of methods to match building energy simulation models to measured data. Renewable and Sustainable Energy Reviews, 37, 123–141.
Dalla Rosa, A., & Christensen, J. E. (2011). Low-energy district heating in energy-efficient building areas. Energy, 36(12), 6890–6899.
Dawson, J. F. (2014). Moderation in Management Research: What, Why, When, and How. Journal of Business and Psychology, 29(1), 1–19. https://doi.org/10.1007/s10869-013-9308-7
Diao, L., Sun, Y., Chen, Z., & Chen, J. (2017). Modeling energy consumption in residential buildings: A bottom-up analysis based on occupant behavior pattern clustering and stochastic simulation. Energy and Buildings, 147, 47–66.
Ding, G. K. C. (2004). The development of a multi-criteria approach for the measurement of sustainable performance for built projects and facilities [PhD Thesis].
Diwedi, K. (2017). Green Architecture: A Concept of Sustainability. International Journal of Environment Planning and Development, 2(1), 22–29.
Dixit, M. K. (2013). Embodied energy calculation: Method and guidelines for a building and its constituent materials [PhD Thesis].
Dixit, M. K. (2017). Life cycle embodied energy analysis of residential buildings: A review of literature to investigate embodied energy parameters. Renewable and Sustainable Energy Reviews, 79, 390–413.
Dixit, M. K., & Singh, S. (2018). Embodied energy analysis of higher education buildings using an input-output-based hybrid method. Energy and Buildings, 161, 41–54.
Dixit, M. K., Culp, C. H., & Fernandez-Solis, J. L. (2015). Embodied Energy of Construction Materials: Integrating Human and Capital Energy into an IO-Based Hybrid Model. Environmental Science & Technology, 49(3), 1936–1945.
Dixit, M. K., Fernández-Solís, J. L., Lavy, S., & Culp, C. H. (2010). Identification of parameters for embodied energy measurement: A literature review. Energy and Buildings, 42(8), 1238–1247.
Dixit, M. K., Fernández-Solís, J. L., Lavy, S., & Culp, C. H. (2012). Need for an embodied energy measurement protocol for buildings: A review paper. Renewable and Sustainable Energy Reviews, 16(6), 3730–3743.
Duarte, C., Van Den Wymelenberg, K., & Rieger, C. (2013). Revealing occupancy patterns in an office building through the use of occupancy sensor data. Energy and Buildings, 67, 587–595.
Fixing measurement error to 0 for single-item-latent—Forum.smartpls.com. (n.d.). Retrieved April 28, 2024, from https://forum.smartpls.com/viewtopic.php?t=3333
Gaetani, I., Hoes, P.-J., & Hensen, J. L. (2016). Occupant behavior in building energy simulation: Towards a fit-for-purpose modeling strategy. Energy and Buildings, 121, 188–204.
Guo, C., & Yao, J. (2012). Effect of same Insulation Materials on Energy-Saving Potential of Different Buildings. Applied Mechanics and Materials, 164, 93–96.
Hair, J. F., Howard, M. C., & Nitzl, C. (2020). Assessing measurement model quality in PLS-SEM using confirmatory composite analysis. Journal of Business Research, 109, 101–110.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, 19(2), 139–152.
Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24.
Hammond, G. P., & Jones, C. I. (2010). Embodied Carbon: The Concealed Impact of Residential Construction. In I. Dincer, A. Hepbasli, A. Midilli, & T. H. Karakoc (Eds.), Global Warming (pp. 367–384). Springer US.
Hammond, G., & Jones, C. (2006). Inventory of Carbon and Energy (ICE), Version 1. 5a Beta, Carbon Vision Buildings Program. UK: University of Bath.
Hanafiah, M. H. (2020). Formative vs. reflective measurement model: Guidelines for structural equation modeling research. International Journal of Analysis and Applications, 18(5), 876–889.
Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C., Diamantopoulos, A., Straub, D., Ketchen, D., Hair, J. F., Hult, G., & Calantone, R. (2016). Common Beliefs and Reality about Partial Least Squares: Comments on Rönkkö and Evermann.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. In R. R. Sinkovics & P. N. Ghauri (Eds.), Advances in International Marketing (Vol. 20, pp. 277–319). Emerald Group Publishing Limited.
Hirst, N. (2013). Buildings and climate change. Design and Management of Sustainable Built Environments, 23–30.
Iqbal, M. M., & Mia, M. M. (2020). The strategy of management system standards: A variance-based structural equation modeling (VB-SEM). Int. J. Adv. Sci. Technol, 29, 1882–1893.
Jia, M., Srinivasan, R. S., & Raheem, A. A. (2017). From occupancy to occupant behavior: An analytical survey of data acquisition technologies, modeling methodologies and simulation coupling mechanisms for building energy efficiency. Renewable and Sustainable Energy Reviews, 68, 525–540.
Kline, R. B. (2016). Principles and practices of structural equation modelling. In Methodology in the social sciences.
Krishna A. Joshi. (2013). OPTIMIZATION OF ENERGY IN PUBLIC BUILDINGS. International Journal of Research in Engineering and Technology, 02(13), 423–427.
Levy, P. S., & Lemeshow, S. (2013). Sampling of populations: Methods and applications. John Wiley & Sons.
Li, Y., Gong, X. Z., Wang, Z. H., Li, H., & Fan, M. M. (2016). External Insulation Design Impacts on the Energy Consumption and Greenhouse Gas Emission of Building. Materials Science Forum, 847, 381–390.
Mellat, N., Ebrahimi Qavam, S., Gholamali Lavasani, M., Moradi, M., & Sadipour, E. (2022). The role of cognitive, emotional, and spiritual development in adult psychological well-being. Journal of Spirituality in Mental Health, 00(00), 1–24.
Moradi, M., & Miralmasi, A. (2020). Pragmatic research method (1st ed.). School of quantitative and qualitative research.
Moradi, M., Kheiry, B., & Miralmasi, A. (2022). Narrative Critique of Humanities positivist Research from the Perspective of Generalizability and Reliability of Measures By proposing to replace McDonald’s omega (Case Study: Marketing Research). Research Institute of Hawzah and University(RIHU).
Moradi.M, & Miralmasi.M. (2020a). Pragmatic research method ((F. Seydi, Ed.) (1st ed.)). School of quantitative and qualitative research. https://analysisacademy.com/
Moradi.M, & Miralmasi.M. (2020b). Pragmatic research method. In F. Seydi (Ed.). School of Quantitative and Qualitative Research.MPT ACADEMY.
Neuman, W. L. (2014). Social Research Methods: Qualitative and Quantitative Approaches. In Pearson Education Limited (7th ed.). Printed in the United States of America.
Pardo, A., & Román, M. (2013). Reflexiones sobre el modelo de mediación estadística de Baron y Kenny. Anales de Psicología, 29(2).
Rauf, A., & Crawford, R. H. (2015). Building service life and its effect on the life cycle embodied energy of buildings. Energy, 79, 140–148.
Rg Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C. M., Diamantopoulos, A., Straub, D. W., Ketchen, D. J., Hair, J. F., Tomas, G., Hult, M., & Calantone, R. J. (2014). Point/Counterpoint on Partial Least Squares Common Beliefs and Reality About PLS: Comments on Rö nkkö and Evermann (2013). Organizational Research Methods, 17(2), 182–209.
Ringle, C. M., Wende, S., & Becker, J.-M. (2022). SmartPLS 4.
Rostami, M., Green-Mignacca, S., & Bucking, S. (2024). Weather data analysis and building performance assessment during extreme climate events: A Canadian AMY weather file data set. Data in Brief, 52, 110036.
Sarstedt, M., & Mooi, E. (2019). A Concise Guide to Market Research: The Process, Data, and Methods Using IBM SPSS Statistic. In Springer (3rd ed.).
Sharrard, A. L. (2007). Greening construction processes using an input-output-based hybrid life cycle assessment model. Department of Civil and Environmental Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania. Sharrard/publication/267259382_Greening_Construction_Processes_Using_an_Input-OutputBased_Hybrid_Life_Cycle_Assessment_Model/links/5485a20a0cf24356db610813/Greening-Construction-Processes-Using-an-Input-Output-Based-Hybrid-Life-Cycle-Assessment-Model.pdf
Slesser, M. (1978). Energy in the Economy.
Song, Y. (2017). Generating Buildingâ€TM s Operating Energy Automatically by Energy Plus and C. International Research Journal of Electronics and Computer Engineering, 3(1), 11–13.
Stephan, A., & Stephan, L. (2016). Life cycle energy and cost analysis of embodied, operational and user-transport energy reduction measures for residential buildings. Applied Energy, 161, 445–464.
Su, X., Tian, S., Shao, X., & Zhao, X. (2020). Embodied and operational energy and carbon emissions of passive building in HSCW zone in China: A case study. Energy and Buildings, 222, 110090.
Susanti, Y. (2019). Menginterkoneksi Sains dan Agama dalam Pembelajaran IPA di Sekolah Dasar. ISLAMIKA, 1(2), 89–101.
Tarka, P. (2018). An overview of structural equation modeling: Its beginnings, historical development, usefulness and controversies in the social sciences. Quality and Quantity, 52(1), 313–354.
Thormark, C. (2006). The effect of material choice on the total energy need and recycling potential of a building. Building and Environment, 41(8), 1019–1026.
Vega, J. (2022). Constructivist Metaphors and Law’s Autonomy in Legal Post-Positivism BT - Human Dignity and the Autonomy of Law (J. M. Aroso Linhares & M. Atienza, Eds.; pp. 89–111). Springer International Publishing.
Woubishet, Z. T., & Abegaz, K. A. (2019). Embodied Energy and CO 2 Emissions of Widely Used Building Materials: The Ethiopian Context. Buildings, 9(6), 136.
Yoon, J. H. (2020). Fuzzy Moderation and Moderated-Mediation Analysis. International Journal of Fuzzy Systems, 22(6), 1948–1960.
Zilberberg, E., Trapper, P., Meir, I. A., & Isaac, S. (2021). The impact of thermal mass and insulation of building structure on energy efficiency. Energy and Buildings, 241, 110954.

Full-Text:


 Journal of Socio-Cultural Changes                                                              Vol.21 , No. 82, Autumn 2024, pp. 123-147  

img0 

 

 

Predictive Model Of The Impact Of Embodied Energy On Cultural Changes In The Operation Of Green Schools with Emphasis On The Moderating Role Of The Exterior Wall

 

Somayeh Dowlat1*, Heider Jahanbakhsh2, Fahimeh Motazadian3, Ghazal Safdarian4 

 

(Received Date: 2024/06/10 - Accepted Date: 2024/08/27 - Print Date: 2024/12/23)

 

 

Abstract:

Buildings have a significant impact on cultural and climatic changes due to their resource and energy consumption, a main challenge for humanity in current society. Energy in buildings has two components: embodied energy and operational energy. Scientists worldwide study strategies to reduce building energy consumption, focusing on either operational or embodied energy separately. Thus, there is a gap in social studies regarding the impact of embodied energy on operational energy in buildings. Additionally, energy studies on educational buildings with a social approach are scarce. The primary aim of this research is to develop and test a predictive model of the impact of embodied energy on cultural changes and operational energy in green school buildings. It also examines the moderating role of the embodied energy of the exterior wall core in the causal relationships of the conceptual model. The researcher used a quantitative approach and a systematic methodology with advanced variance-based structural equation modeling techniques to test the hypotheses. After data collection and screening, 702 samples were tested for validity, reliability, and model fit of the external model, and the hypotheses were tested within the structural model. The results, with R2 = 0.704 and 0.755 in two structural equations, indicate a powerful explanation of the variance in cooling load and heating load (i.e., operational energy) based on embodied energy behavior. This suggests the model can predict 70-75% of the influence of embodied energy on operational energy.

Keywords: Cultural & Climatic Changes, Current Society & Embodied Energy, Operational Energy, Social Studies, Green Schools, Predictive Model, Exterior Wall Core.

 

 

 

 

 

 

 

مدل پیش‌بین تأثیر انرژی نهفته بر تغییرات فرهنگی در بهره‌برداری اجتماع مدارس سبز باتأکیدبر نقش تعدیل‌گر دیوار خارجی

سمیه دولت5*، حیدر جهانبخش6، فهیمه معتضدیان7، غزال صفدریان8

(تاریخ دریافت: 21/03/1403 - تاریخ پذیرش: 06/06/1403 - تاریخ چاپ: 03/10/1403)

 

چکیده

ساختمان‏ها به‌دلیل مصرف منابع و انرژی، تأثیر قابل‌توجهی بر تغییرات فرهنگی و اقلیمی دارند، که از چالش‏های اصلی بشر در اجتماع کنونی می‏باشد. انرژی در ساختمان دارای دو مؤلفۀ انرژی نهفته و انرژی بهره‏برداری می‏باشد. به‌طورخاص، دانشمندان در سرتاسر جهان برروی استراتژی‏های کاهش مصرف انرژی ساختمان‏ها درحال مطالعه و بررسی هستند که بیشتر مطالعات اجتماعی درپی کاهش مصرف انرژی بهره‌برداری و یا انرژی نهفته به‌صورت مجزاء صورت گرفته است. لذا، شکافی ازمنظر عدم‌توجه مطالعات اجتماعی به تأثیر انرژی نهفته ساخت‌مایه برروی انرژی بهره‏برداری ساختمان‌ها دیده می‏شود. همچنین مطالعات انرژی کمتر برروی ساختمان‏های آموزشی با رویکرد اجتماعی صورت گرفته‏اند. شکاف‏های موجود هدف‌اصلی پژوهش حاضر را تدوین و آزمون مدل پیش‌بین از تأثیرگذاری انرژی نهفته تغییرات‌فرهنگی برروی انرژی بهره‏برداری اجتماع ساختمان‏های مدارس سبز قرار می‏دهد و به‏دنبال نقش تعدیل‌کنندۀ انرژی نهفتۀ هستۀ دیوار خارجی در روابط علّی مدل مفهومی است. محقق با روش کمی و بهره‏گیری از یک روش‏شناسی سیستماتیک از تکنیک‏های پیشرفته مدل‌سازی معادلات ساختاری واریانس محورجهت آزمون فرضیات پژوهش بهره برده است. تعداد 702نمونه پس ‌از جمع‏آوری و غربال‏گری، با آزمون روایی، پایایی و برازش مدل بیرونی موردآزمون قرار گرفته و فرضیات در قالب مدل ساختاری آزمون گردیدند. نتایج R2 =0.704, 0.755 در 2معادلۀ ساختاری خبر از یک تبیین بسیار قدرتمند از واریانس یا رفتار متغیر بارسرمایشی و بارگرمایشی که همان انرژی بهره‏برداری می‏باشند، می‌دهد. به‌عبارتی مدل در مجموع بین 70تا75درصد از تأثیر رفتار انرژی نهفته بر انرژی بهره‏برداری را پیش‏بینی می‌کند.

واژگان‌کلیدی: تغییرات فرهنگی و اقلیمی، اجتماع کنونی، انرژی نهفته و انرژی بهره‏برداری، مطالعات اجتماعی، مدارس سبز، مدل پیش‌بین، هستۀ دیوار خارجی.

[1] * PhD Graduate In Architecture, Department of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran. (Corresponding Author: sdowlat@gmail.com)

[2]  Associate Professor, Department Of Architecture, Tehran Branch, Payam Noor University, Tehran, Iran.

[3]  Assistant Professor, Department Of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran.

[4]  Assistant Professor, Department Of Architecture, Pardis Branch, Islamic Azad University, Pardis, Iran. 

[5] * دانش‌آموختۀ دکتری معماری، گروه معماری، واحد پردیس، دانشگاه آزاداسلامی، پردیس، ایران.  (نویسندۀ مسئول:  (sdowlat@gmail.com

[6]  دانشیار گروه معماری، واحد تهران، دانشگاه پیام‌نور، تهران، ایران.                                                      

[7]  استادیار گروه معماری، واحد پردیس، دانشگاه آزاداسلامی، پردیس، ایران.                                               

[8]  استادیار گروه معماری، واحد پردیس، دانشگاه آزاداسلامی، پردیس، ایران.                                                      

1- مقدّمه

بناها از ماندگارترین و فراوان‏ترین محصولات هر اجتماع به‌شمار می‏آیند که به‌طور چشمگیری بر منابع جهانی تأثیر می‏گذارند. ساختمان‏های مرسوم بیش‌ازحد نیاز از منابع، مخصوصاً منابع تجدیدناپذیر استفاده می‏کنند، تأثیرات منفی بر محیط‌زیست دارند و ضایعات بسیار زیادی تولید می‏کنند (Alwan et al., 2021). ساختمان‏ها به‏تنهایی نیمی از انرژی جهانی را درطول سال در ساخت و بهره‏برداری خود با مصرف می‏کنند که افزایش اثرات دی‌اکسیدکربن در جَو تبیینات فرهنگی و اقلیمی را درپی دارد (Baum, Council, 2007).  میزان غلظت کربن در جَو به سطح بی‌سابقه‏ای رسیده، که نشان از گرم‌شدن جهانی هوای کره‌زمین داردکه اثرات مخربی را درپی خواهد داشت (Dixit, 2017; Dixit et al., 2015). ساختمان‏ها از طیف گسترده‏ای از مصالح ساختمانی استفاده می‌کنند و استفاده‌از هریک از ساخت‌مایۀ مصرفی، مصرف انرژی و انتشار دی‌اکسیدکربن را درپی دارد (دبدبه، 1403: 5). بخش AEC1 که معماری، مهندسی و ساخت‌وساز را شامل می‏شود، به‏عنوان مصرف‌کنندۀ اصلی انرژی‏های تجدیدناپذیر و منبع انتشار کربن شناخته شده است (Hirst, 2013). به استناد گزارش برنامۀ مطالعات تغییرات اجتماعی-فرهنگی زیست‌محیطی سازمان‌ملل در نایروبی 2020میلادی، 35% از مصرف انرژی جهانی و 38% از انتشار کربن جهانی را عهده‌دار می‏باشد جهت دستیابی به اهداف توافقنامه پاریس 2015میلادی، و نیز اهداف توسعۀ پایدار سازمان‌ملل، توجه برابر به اثر هر2 انرژی‏های مرتبط به ساختمان یعنی انرژی نهفته و انرژی بهره‏برداری است (Alwan et al., 2021).  واژۀ انرژی نهفته برای اولین بار در سال 1970میلادی در مقالات استفاده شد (Slesser, 1978). به عقیدۀ دیگزیت تعبیر کنونی از واژۀ انرژی نهفته بسیار وسیع و همچنین متفاوت است (Dixit et al., 2012). انرژی نهفته، انرژی مصرفی در تولید ساخت‌مایه، حمل‌ونقل و جایگذاری در محل ساختمان و سپس مراحل تخریب و بازیافت نهایی می‏باشد (دولت، 1403). انرژی نهفته به‌صورت 3گونه انرژی نهفته اولیه 2IEE و انرژی نهفته تکرارشونده REE3 و انرژی نهفته تخریب 4DE می‏باشد (Dixit & Singh, 2018; Stephan & Stephan, 2016).  سهم هریک از مقادیر IEE, REE,DE درمجموع انرژی نهفته چرخهۀ حیات متفاوت می‏باشند(Dixit, 2017; Woubishet & Abegaz, 2019) . منظور از انرژی نهفته دراین پژوهش انرژی نهفته اولیه5 می‏باشد. انرژی نهفتۀ اولیه انرژی تجدیدناپذیر مصرف شده در اجتماع، خرید موادخام، فرآوری و تولید مصالح می‏باشد (خانی، فلاحی، بانشی، 1395: 60-29). انرژی نهفته شامل: 2مؤلفه انرژی مستقیم و انرژی غیرمستقیم است‌که انرژی مستقیم، انرژی مصرفی در داخل و خارج از سایت اجرای ساختمان می‏باشد، مانند: انرژی مصرفی برای اجرای ساختمان، پیش‌ساختگی، مونتاژ، حمل‌ونقل، مدیریت. انرژی غیرمستقیم، انرژی مصرفی در تولید ساخت‌مایه ساختمانی، بازسازی، نوسازی، پروسۀ تخریب ساختمان و بازیافت آن می‏باشد (Dixit et al., 2012). در آیین‏نامه‏های مربوط‌به ساختمان‏ها در اجتماع ایران که به اختصار می‌توان به مبحث19 مقررات‌ملی‌ساختمان، دستورالعمل برچسب انرژی ساختمان‏های غیرمسکونی به شمارهۀ ملی 14254 و استانداردهای سازمان ملی استاندارد اشاره کرد، هیچ‌توجه و اشاره‌ای به مبحث انرژی نهفته صورت نگرفته است (دلاویز، مرتضوی‌اصل، سینایی، 1401: 80-53).

بامرور ادبیات پژوهش، شکافی از منظر عدم‌توجه به تأثیر انرژی نهفتۀ ساخت‌مایه برروی انرژی بهره‏برداری استخراج گردید (دولت ،a  1403). دربرخی پژوهش‏ها رابطۀ میزان انرژی نهفته با میزان انرژی بهره‏برداری موردبررسی قرار گرفته است، برای مثال در ساختمان‏های صفر انرژی و همین‌طور در خانه‏های پسیو مقادیر انرژی نهفته ساختمان افزایش قابل‌توجهی می‏یابد، که علت این امر استفاده‌از عایق‏های ویژۀ حرارتی دراین نوع ساختمان‏ها می‏باشد (Su et al., 2020). لذا جهت از بین‌بردن شکافی که دراین زمینه وجود دارد توجه به انرژی بهره‏برداری و انرژی نهفته باهم در طراحی ساختمان‏ها و همین‌طور انتخاب ساخت‌مایه با تبییتات اجتماعی-فرهنکی در هرنوع تغییرات ضروری می‏نماید (دولت،b 1403b, 1402). انرژی بهره‏برداری ساختمان به انرژی مورداستفاده در مرحلۀ بهره‏برداری ساختمان اشاره دارد که می‏تواند بخش قابل‌توجهی از کل مصرف انرژی آن‌را تشکیل دهد (Ahamed et al., 2020; Akande et al., 2016). این انرژی تحت‌تأثیر عواملی مانند طراحی، ساخت‌مایۀ ساختمانی، لوازم و تجهیزات برقی ساختمان می‏باشد (Krishna A. Joshi, 2013). ارزیابی و بهینه‏سازی انرژی بهره‏برداری برای اجتماع و بهبود عملکرد انرژی و پایداری ساختمان بسیار مهم است. (Akande et al., 2016; Diwedi, 2017) این مهم ازطریق اجرای برنامه‏های بهینه‏سازی مصرف سوخت، استفاده‌از ابزارهای ارزیابی انرژی و درنظر گرفتن عملکرد انرژی در پروژه‏های نوسازی با شبیه‏سازی انرژی در ساختمان به‏دست می‏آید. دانشمندان در سرتاسرجهان برروی استراتژی‌های کاهش مصرف انرژی در ساختمان ازطریق توسعه مدل‌های شبیه‌سازی انرژی با مطالعات اجتماعی-فرهنگی در ساختمان متمرکز شده‌اند (کریمی، صفاری‌نیا، 1384: 83-69). به‌طورخلاصه مدل‌های شبیه‌سازی انرژی در ساختمان از نوع مدل‌های پیش آگهی و قانون محور هستتند. به‌عبارت دیگر مدل‌های شبیه‌سازی انرژی در ساختمان با اعمال یکسری قوانین حاکم‌بر سیستم به‌دنبال پیش‏بینی رفتار آن سیستم می‏باشند (Coakley et al., 2014). از متداولترین استانداردهای شبیه‌سازی انرژی در ساختمان نیز می‌توان به IBPSA 6و ASHREA7 و IEA 8 اشاره کرد. فرهنگ رفتار ساکنین از موضوعات پراهمیت و چالش برانگیز در شبیه‏سازی انرژی در ساختمان می‏باشد، اختلاف بین عملکرد پیش‏بینی شده و واقعی ساکنان در مدل‏های شبیه‏سازی انرژی به‏وضوح قابل مشاهده است(Azar & Menassa, 2012; Calì et al., 2016; Diao et al., 2017; Duarte et al., 2013; Gaetani et al., 2016; Jia et al., 2017). فرهنگ رفتار ساکنین می‏تواند به 50% تقاضای گرمایش بیشتر منجر شود (Dalla Rosa & Christensen, 2011).

این پژوهش به‌بررسی تاثیر انرژی نهفته اجزای مختلف ساختمان با ساخت‌مایۀ و جزئیات متفاوت برروی انرژی بهره‏برداری اجتماع ساختمان‏های مدارس سبز می‌پردازد (دولت ،a  1402). متغیرهای انرژی نهفته استخراج شده از ادبیات نظری که متغیرهای برونزای مدل هستند (قاسمی، نیکویه، شیرویه‌پور، 1400: 60-29)، شامل: انرژی نهفته پوستۀ دیوار خارجی، هستۀ دیوارهای خارجی، پنجره‏های خارجی، بام، کف و دیوارهای داخلی می‌باشند. همچنین متغیرهای انرژی بهره‌برداری دراین پژوهش که متغیرهای درونزای مدل می‌باشند، بارسرمایشی و گرمایشی می‌باشند. ازسویی، محقق درپی یافتن تعدیل‏گر رابطۀ انرژی نهفته و انرژی بهره‏برداری، با رویکرد مطالعات تغییرات اجتماعی-فرهنگی، پژوهش‏هایی را یافته است‌که نقش ساخت‌مایۀ دیوار و عایق حرارتی را به‌عنوان تعدیل‌کنندۀ میزان انرژی نهفته و بهره‏برداری به اثبات رسانیده‏اند (Zilberberg et al., 2021). این پژوهش‏ها همگی از اهمیت نقش عایق و ساخت‌مایه/مصالح دیوار بر میزان انرژی چرخۀ حیات با تبیین تغییرات اجتماعی-فرهنگی تأکید دارند (Guo, Yao, 2012; Li et al., 2016; Song, 2017). لذا، محقق هستۀ دیوار خارجی را که دارای جزئیات متفاوت از جهت نوع عایق و مصالح و محل قرارگیری عایق و غیره، می‌باشد را به‏عنوان متغیر تعدیل‌کننده انتخاب نمود طوری‌که این امر می‌تواند نقش مهمی در تغییرات اجتماعی-فرهنگی داشته باشند. محقق باتوجه‌به ادبیات ذکر شده و چارچوب نظری مدل مفهومی زیر را جهت بررسی و آزمون فرضیات درنظر گرفته است (شکل 1).

img0 

 

شکل1. مدل مفهومی پژوهش (تاثیرسنجی انرژی نهفته مصالح بر انرژی بهره برداری اجتماع ساختمان)

2- روش‌شناسی

img0در پژوهش حاضر رویکرد سیستماتیک و فرایندی آن در پیش‌برد مسئلۀ پژوهش و فرار از محدودیت‌های دانش در قالب روش کمی تدوین گشته است (Susanti, 2019).  و در قالب یک روش‌شناسی کاربردی برای طیف اجتماع مخاطبان است (Neuman, 2014). رویکرد استدلالی قیاس‌گونه برآمده از پارادایم فرااثبات‌گرا، محقق را به‌سمت انتخاب یک روش‌شناسی کمی سیستماتیک با قراردادهای مشخص رهنمون می‌سازد (Vega, 2022). که در (شکل 2)، مشاهده می‌شود. فرضیات پژوهش از نوع علّى یا تأثیرسنج می‏باشند. به اعتقاد رینگل فرضیات علّى ارزشمندترین نوع فرضیات کمی هستند (Hair et al., 2019). فرضیات علّى درطی 120سال تاریخچه‌ای را مشتمل‌بر رگرسیون، تحلیل مسیر و مدل‌سازی معادلات ساختاری را پشت‌سر گذاشته‌اند (Moradi.M & Miralmasi.M, 2020b). 2روش رگرسیون و تحلیل مسیر دارای معایبی می‏باشند که در مقابل روش مدل‌سازی معادلات ساختاری این معایب را رفع کرده است. روش مدل‌سازی معادلات ساختاری دارای 2نسل کوواریانس محور و اریانس محور می‏باشد. در (جدول 1)، شرایط استفاده‌از نسل‏های واریانس محور و کوواریانس محور مدل‌سازی معادلات ساختاری به‌اختصار مشخص شده است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 2: روش‏شناسی تکنیک آماری مدل‌سازی معادلات ساختاری ‌با تبیین تغییرات اجتماعی-فرهنگی-(Moradi. Miralmasi. 2020a)

نسل1: کوواریانس محور

نسل 2: واریانس محور

حجم نمونۀ بالا

عدم‌حساسیت به حجم نمونه

نرمال بودن توزیع داده‏های متغیرها

عدم‌حساسیت به غیرنرمال بودن توزیع داده‏های متغیرها

دارابودن 3شاخص یا گویه یا آیتم برای هر متغیر مکنون

توانایی استفاده‌از مدل اندازه‏گیری تنها بایک سؤال

انعکاسی9 بودن شاخص‏های متغیرهای مکنون          (Hanafiah, 2020)

ترکیبی10 بودن شاخص‏های متغیرهای مکنون

مدل‏ها از ساده تا متوسط

مدل‏ها متوسط تا پیچیده

دشواری محاسبه متغیرهای تعدیل‌گر

توانایی پشتیبانی از متغیرهای تعدیلگر

جدول1. شرایط استفاده‌از 2نسل مدل‌سازی معادلات ساختاری دررابطه‌با اجتماع بر محور پژوهش-(Tarka, 2018)

 

باتوجه‌به (جدول 1)، ازآنجاکه گویه‏های متغیرهای مکنون پژوهش از نوع سینگل آیتم و همین‌طور ترکیبی هستند و مدل دارای تعدیل‏گر می‏باشد، لذا برمبنای شرایط ذکر شده مدلسازی معادلات ساختاری واریانس محور برای آزمون فرضیات مدل انتخاب گردید(Avkiran & Ringle, 2018) . روش‏شناسی مدل‌سازی معادلات ساختاری برمبنای (شکل 2)، از 7گام تشکیل شده است‌که به‌ترتیب شامل: تدوین مدل، استراتژی نمونه‏گیری، جمع‏آوری و پیش‏پردازش و توصیف داده‏ها، انتخاب نرم‏افزار مناسب واریانس یا کوواریانس محور، اجرای مدل اندازه‏گیری یا بیرونی، اجرای مدل ساختاری یا درونی و درنهایت اجرای تحلیل‏های پیشرفته مدل می‏باشد. در گام یک، مدل مفهومی پژوهش برمبنای چارچوب نظری تدوین گردید. در ادامه به استراتژی نمونه‌گیری می‌پردازیم و از گام 3 به‌بعد در بخش نتایج دنبال می‌گردد.

 

1-2- اجتماع جامعه و نمونه

اجتماع جامعۀ موردبررسی پژوهش مدارس شهر تهران هستند. ازاین میان جامعۀ هدف پژوهش که محقق به‌دنبال تعمیم نتایج خود به آن‏ها است (Levy, Lemeshow, 2013). اجتماع مدارس سبز شهرتهران هستند. مدرسۀ سبز مطهری تهران و مدرسۀ سبز مجید عباسی به‌عنوان اجتماع جامعه در دسترس پژوهش انتخاب گردیده‏اند. دراین میان باتوجه‌به بررسی‏های زیاد میدانی و طی جلسات متعدد با سازمان نوسازی مدارس شهر تهران مدرسۀ شهید مطهری به‌دلیل یکسان بودن ساختار اجتماعی آموزش‌وپرورش، ویژگی نمونه11 بودن را دارا می‏باشد و از این نمونه مدارس دیگری در نقاط مختلف استان و شهر تهران درحال اجرا هستند و یا اجرا شده‏اند که ازجمله؛ آن می‏توان به هنرستان فسایی‏نژاد واقع در پاسداران تهران و هنرستان کارودانش معلم پاکدشت اشاره کرد. باتوجه‌به دلایل ذکر شده مدرسۀ سبز شهید مطهری به‌عنوان واحد تحلیل درنظر گرفته شد. مساحت مدرسۀ حدود 2213مترمربع است که شامل: زیرزمین، طبقۀ همکف، طبقۀ اول و طبقۀ دوم می‏باشد و در منطقۀ 7تهران واقع شده است. لذا، محقق برای دستیابی به نمونه‏ای معرف اجتماع جامعه و براساس روش‏های مبتنی‌بر معادله (Neuman, 2014). و ازطریق نرم‏افزار سایتDanielsoper  تعداد 700عدد را برای حجم‌نمونه تعیین کرده است. براساس این حجم اندازه اثر 05/0 و دقت 99درصد و توان تعمیم‏پذیری 95درصدی برای پژوهش مشخص شده است. همچنین دراین پژوهش جهت جلوگیری از بروز خطای اندازه‌گیری، محقق اقدام به جمع آوری 6% بیشتر حجم نمونه و در مجموع 741نمونه نموده است.

 

2-2- جمع‌آوری داده‌ها

باتوجه‌به تقسیم‏بندی متغیرها براساس نقش در مدل که در بخش تدوین مدل به‌آن پرداخته شد، در پژوهش کنونی متغیرهای برونزا بر داده‏های برآمده از انرژی نهفته متمرکز هستند و متغیرهای درونزا بر داده‏های برآمده از انرژی بهره‏برداری از اجتماع که به‌طریق شبیه‏سازی به‌دست می‏آیند استوارند. در ادامه به‌بررسی روش محاسبه هرکدام می‌پردازیم.

 

1-2-2- جمع‏آوری داده‏های متغیرهای برونزا

روش‏های محاسبه انرژی نهفتۀ شامل؛ تحلیل آماری12، تحلیل فرآیندی13، تحلیل برمبنای ورودی و خروجی اقتصادی14 و تحلیل چندگانه15 می‏باشد. این روش‏ها از نقطه‏نظر جمع‏آوری اطلاعات اولیه متفاوت می‏باشند (Ding, 2004; Dixit et al., 2010; G. P. Hammond, Jones, 2010). پژوهش‏ها برای محاسبه انرژی نهفته در ساختمان‏ها از ارزیابی اجتماع چرخۀ حیات بهره می‏برند. درحقیقت روش‏های محاسبه انرژی نهفتۀ کنونی در مدل‏های تحلیل چرخۀ حیات وجود دارند (Sharrard, 2007). هاموند و جونز باتوجه‌به برنامه ساختمانی ازمنظر کربن در دانشگاه بث انگلستان، پایگاه اطلاعاتی وسیع و جامعی از انرژی و کربن مصالح ساختمانی را بنیان نهاده‏اند (G. Hammond, Jones, 2006). در پژوهش پیشرو جهت محاسبه انرژی نهفته ازاین پایگاه اطلاعاتی در اجتماع بهره گرفته شده است.  

جهت محاسبۀ انرژی نهفته مصالح ابتدا ساختمان مدرسه همراه‌با جزئیات اجرایی آن در نرم‌افزار رویت مدل‌سازی گردید. سپس جداول متره مربوط‌به هریک از متغیرها استخراج گردید.  جهت محاسبه انرژی نهفته هریک از متغیرهای برونزای پژوهش، وزن مصالح مورداستفاده در هر دیتیل موردنظر محاسبه گردیده و میزان انرژی نهفته مصالح مربوط‌به هر دیتیل منتخب متغیرهای برونزا از حاصل‏ضرب وزن مصالح در ضریب مصالح هاموند و جونز محاسبه شد. مقادیر نهایی در نرم‏افزار اکسل وارد گردید. در هر مرحله با تغییر دیتیل‏های متغیرهای برونزای پژوهش میزان انرژی نهفته مجدداً محاسبه می‏گردد، اینکار به تعداد تغییرات متغیرها که همان جزئیات مختلف دیوارهای خارجی، پنجره‏های خارجی، کف، بام و دیوارهای داخلی هستند، تکرار می‏گردد. دراین پژوهش برای متغیر هستۀ دیوار خارجی تیپ، پوسته دیوار خارجی تیپ، پنجره‌های خارجی تیپ، بام تیپ، کف طبقات تیپ و دیوار داخلی تیپ مختلف جزئیات موردبررسی قرار گرفته اند. فرمول‌های زیر جهت محاسبه انرژی نهفته در اجتماع متغیرهای برونزای پژوهش مور استفاده قرار گرفته است.

EE EX Wall Core = ∑ Exterior Wall Core Materials Weight × Hammond & Jones Coefficient Materials/Area

EE EXWall Façade = ∑ Exterior Wall Façade Materials Weight × Hammond & Jones Coefficient Materials/ Area

EE EXWIN = ∑ Exterior Win Materials Weight × Hammond & Jones Coefficient Materials/Area

EE Roof = ∑ Roof Materials Weight × Hammond & Jones Coefficient Materials/Area

EE Floor = ∑ Floor Materiasls Weight × Hammond & Jones Coefficient aterials/Area

EE ENT Wall = ∑ Interior Wall Materials Weight×Hammond & Jones Coefficient Materials/Area

 

2-2-2- جمع‏آوری داده‏های متغیرهای درونزا

نرم‏افزارهای شبیه‏سازی انرژی نیازمند داده‏های تغییرات هواشناسی هستند (Black et al., 2018). در شبیه‏سازی ساختمان از داده‏های آب‌وهوا برای مطالعات ارزیابی آسایش حرارتی و انرژی استفاده می‏شود(Rostami et al., 2024) . محقق اطلاعات داده‏های هواشناسی شهر تهران و ایستگاه مهرآباد را در نرم‏افزار رویت تنظیم کرده است که نزدیکترین پایگاه هواشناسی به لوکیشن مدرسۀ شهید مطهری می‏باشد. جهت محاسبه پیک بار سرمایشی و گرمایشی که متغیر‏های درونزای مدل پژوهش کنونی هستند، بعد از مدل‌سازی ساختمان مدرسۀ با جزییات، مدل انرژی ساختمان در نرم‌افزار رویت ساخته شد (شکل 3)، مدل انرژی ساخته شده مدرسۀ شهید مطهری را نشان می‌دهد.

C:\Users\Mohammad\Desktop\shekle.3.jpg 

شکل3. تصویر ایزومتریک از مدل انرژی مدرسۀ شهید مطهری

جهت جمع‏آوری داده‌ها، در هر مرحله با دستور Schematic Types دیتیل متغیرهای برونزای دیوار خارجی، پنجره، بام، کف و دیوار داخلی در هر مرحله تنظیم گردید و سپس بار سرمایشی و گرمایشی که همان متغیرهای درونزای پژوهش هستند، توسط نرم‏افزار بااستفادهاز دستور زیر موردمحاسبه قرار گرفت.

Analyze>> Heating and Cooling loads

از خروجی نرم‏افزار مقادیر پیک بار سرمایشی و بار گرمایشی از قسمت Building Summary استخراج گردید. مقادیر خروجی براساس وات می‏باشند به‌این ترتیب با فرمول نویسی در نرم‏افزار اکسل به کیلو‏ژول تبدیل شدند و سپس با تقسیم بر مساحت، مقادیر هر کیلوژول بر مترمربع پیک بار سرمایشی و گرمایشی در چک‌لیست داده‏ها قرارگرفت. این عملیات باتوجه‌به حجم‌نمونه پژوهش و براساس نمونه‏گیری تصادفی  741مرتبه انجام گردید. در مرحلۀ بعد محقق، کلیه مقادیر انرژی نهفته متغیرهای برونزا و مقادیر بار سرمایشی و گرمایشی را در نرم‏افزار Spss جهت انجام پیش‏پردازش‏ها و آزمون‏های مربوطه وارد نموده است (جدول 2)، شاخص‌های اندازه‌گیری متغیرهای مکنون پژوهش را نمایش می‌دهد.

واحد

متغیر مکنون

شاخص‌ها

ماهیت شاخص

KJ/M2

انرژی نهفته هسته دیوار خارجی

Core Exterior Wall Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ CoExWall EE = ∑(Wall Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

انرژی نهفته نمای دیوار خارجی

Facade Exterior Wall Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ FaExWall EE = ∑(Wall Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

انرژی نهفته پنجرۀ خارجی

Exterior Window Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ ExWin EE = ∑(Win Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

انرژی نهفتۀ سقف

Roof Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ ExWin EE = ∑(Roof Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

انرژی نهفتۀ کف

Floor Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ ExWin EE = ∑(Floor Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

انرژی نهفتۀ دیوار داخلی

Interior Wall Embodied Energy

محاسبۀ میزان انرژی نهفته به‌وسیلۀ فرمول

∑ ExWin EE = ∑(Interior wall Area) x (Weight per Square Meter of Material) X (H&J Coefficient of materials)/Area

ترکیبی

KJ/M2

بار سرمایشی

Cooling Load Energy

محاسبه بار سرمایشی به‏وسیله شبیه‏سازی ساختمان و تبدیل انرژی بر حسب وات به کیلو ژول  بر مترمربع

ترکیبی

KJ/M2

بار گرمایشی

Heating Load Energy

محاسبه بار گرمایشی بوسیله شبیه‏سازی ساختمان و تبدیل انرژی بر حسب وات به کیلو ژول بر مترمربع

ترکیبی

جدول 2. شاخص‏های اندازه‏گیری کنندۀ متغیرهای مکنون مدل

3- نتایج

1-3- پیش پردازش‌ها

پس‌از عملیات مدل‌سازی برای رسیدن به حجم نمونه موردنظر تعداد 741مرتبه عملیات شبیه‌سازی انجام شد و سپس داده‌های خام در نرم‌افزارSPSS 27  وارد شد. آزمون‌های غربال‌گری داده‌ها مانند: مدیریت کیس‌های بی‌تفاوت، داده‌های پرت، داده‌های گم شده در اجتماع، داده‌های تکثیر شده انجام پذیرفت و تعداد 702کیس قابل‌تحلیل باقی ماند. باتوجه‌به حجم‌نمونه پژوهش کنونی مقادیر شاپیرو و ویلک جهت آزمون نرمال بودن موردبررسی قرار گرفت. کلیۀ مقادیر Sig متغیرهای مکنون پژوهش در (جدول 3)، حاکی‌از آن است‌که به احتمال 99% الگوی موجود در نمونه در مطالعات اجتماع جامعه هم معنادار است و  توزیع داده‏های پژوهش نرمال می‏باشد و محقق می‏تواند از آزمون‏ها و یا نرم‏افزارهای آمار پارامتریک استفاده کند.

جدول 3. آزمون شاپیرو ویلک و کولموگروف اسمیرنف جهت بررسی نرمال بودن داده‏ها در اجتماع-(مأخذ: خروجی نرم‏افزار SPSS)

 

Kolmogorov-Smirnova

Shapiro-Wilk

Statistic

df

Sig.

Statistic

df

Sig.

انرژی نهفته پوستۀ دیوار خارجی MJ/M2

0.436

702

0.000

0.671

702

0.000

انرژی نهفته هستۀ دیوار خارجی MJ/M2 

0.360

702

0.000

0.743

702

0.000

انرژی نهفته پنجره‏های خارجی MJ/M2 

0.212

702

0.000

0.804

702

0.000

انرژی نهفتۀ بام MJ/M2

0.203

702

0.000

0.818

702

0.000

انرژی نهفتۀ کف MJ/M2

0.345

702

0.000

0.750

702

0.000

انرژی نهفتۀ دیوار داخلی MJ/M2

0.244

702

0.000

0.817

702

0.000

بارگرمایشی MJ/M2

0.312

702

0.000

0.632

702

0.000

بارسرمایشی MJ/M2

0.285

702

0.000

0.654

702

0.000

 

 

 

 

 

 

جهت بررسی کفایت حجم نمونه و کرویت روابط آزمون KMO and Bartlett's اجرا گردید. مقدار KMO = 0.623 که بزرگتر 0.6 است و تعدادمشاهدات محقق برای آزمون تحلیل عاملی کافی است (Sarstedt & Mooi, 2019, p. 519)، ازطرفی کرویت روابط بین شاخص ها به‌عنوان شرط اصلی تحلیل عاملی توسط معناداری آزمون بارتلت تایید شده است (Henseler et al., 2016) (sig = p value = 0.000< 0.05) و در سطح اطمینان 99درصد دارای تقارن یا کرویت است (جدول 4). با ترسیم نمودار سنگ‌ریزه (شکل 4)، محقق اطمینان می‌یابد که تعداد متغیرهای دسته‌بندی شده توسط نرم‌افزار با تعداد متغیرهای او در مدل پژوهش یکسان است. این نمودار مشخص می‌کند که شاخص‌های هر متغیر مکنون پس‌از دسته‌بندی توسط تحلیل عاملی در عامل‌های خود جای گرفته‌اند (Kline, 2016).

جدول 4. آزمون کفایت حجم نمونه-(مأخذ: خروجی نرم‏افزار SPSS)

Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

0.623

Bartlett's Test of Sphericity

Approx. Chi-Square

3498.282

df

21

Sig.

0.000

img0 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل4. نمودارسنگ‌ریزه تعداد متغیرهای مکنون بر اساس مقدار ویژه-(مأخذ:خروجی نرم‏افزار SPSS)

 

 2-3- انتخاب نرم‌افزار

LISREL، EQS، AMOS ،PLS  4مورد از پرکاربردترین نرم‏‏افزارهای مدل‌سازی معادلات ساختاری هستند که 3نرم‌افزار LISREL،  AMOS و EQS متعلق به نسل اول معادلات ساختاری یعنی نسل کواریانس محورها و نرم‏افزارهای PLS که خود چند نوع هستند، جزوء نسل دوم معادلات ساختاری یعنی نسل واریانس محورها می‏باشند. روش­های واریانس محور که بعداً به روش حداقل مربعات جزئی16 تغییرنام دادند، توسط ولد (1974)، ابداع شد به‌تعبیری (تغییر در فرهنگ). این روش از 2مرحله تشکیل شده است:

1.       سنجش مدل‏های اندازه‏گیری با معیارهای مربوط‌به پایایی و روایی

2.       سنجش بخش ساختاری بااستفاده‌از ضرایبt

طی سال‏های اخیر استفاده‌ و مطالعات اجتماعی روش PLS و نرم‏افزارهای مربوط‌به آن نسبت‌به روش‏های نسل اول و نرم‏افزارهای آن مثل لیزرل، آموس و ای کیو اس، بیشتر شده و این به خاطر مزیت‏هایی است‌که روشPLS  نسبت به روش نسل اول دارد. ازآنجاکه مدل پژوهش کنونی دارای شرایط مدل‏های واریانس محور می‏باشد، بدین‌ترتیب جدیدترین آپدیت نرم افزار Smart Pls 4 دارای مشخصات version 4.0.9.6 جهت آزمون مدل انتخاب گردید. توضیح اینکه این نسخه از نرم‏افزار قابلیت آزمون هر 2نوع مدل کوواریانس و واریانس محور را دارا می‏باشد. لذا، انقلابی در نرم‏افزارهای موجود در بازار ایجاد کرده است (Moradi, Miralmasi, 2020).

 

3-3- آزمون مدل بیرونی

مدل مفهومی پژوهش در نرم‌افزار SMART PLS ورژن 4 اجرا و مورد روایی، پایایی و کیفیت‌سنجی قرار گرفت (Hair et al., 2020). مدل اندازه‌گیری (بیرونی)، اولیۀ پژوهش براساس شروط همگن بودن شاخص‌های مدل اندازه‌گیری ترکیبی ارزیابی گردید (Mellat et al., 2022). براساس دستورالعمل پرفسور رینگل در سایت نرم‌افزار PLS اگر متغیر پنهان سینگل آیتم در مدل داشته باشیم، وزن و بارگذاری برابر با 1 است. بنابراین، متغیر پنهان برابر با نشان‌گر است. هیچ خطای اندازه‏گیری وجود نخواهد داشت. بارهای عاملی شاخص‏های ترکیبی اندازه‏گیری کنندۀ پژوهش در فرایند تحلیل عاملی تأییدی دارای ضریب‌بار عاملی بزرگتر از نقطۀ برش  0.7 و برابر با 1 هستند. (Rg Henseler et al., 2014).

جهت بررسی روایی واگرا برای متغیرهای مکنون ترکیبی آزمون عدم هم‌خطی VIF موردارزیابی قرار می‏گیرد. یک مدل اندازه‏گیری ترکیبی شبیه به یک رگرسیون چندگانه است که درآن متغیرهای آشکار در نقش متغیرهای مستقل و متغیر مکنون در نقش متغیر وابسته است. ازطرفی می‏دانیم که یکی‌از شروط و پیش‏فرض‏های رگرسیون عدم هم‌خطی متغیرهای مستقل است. بنابراین برای بررسی این وضعیت از شاخص تورم یا تورش واریانس VIF بهره گرفته می‏شود که درآن شاخص تورم واریانس بالای 10 نشان دهندۀ وضعیت هم‌خطی بحرانی و مقدار نزدیک به 1 نشان‌دهندۀ وضعیت مطلوب است و حد قابل‏قبول هم‏خطی را نشان می‏دهد (Henseler et al., 2009).  بیشتر محققان بر میزان کوچک‌تر بودن تورش واریانس نسبت به عدد 5 توافق دارند (Iqbal, Mia, 2020). کلیۀ ضرایب VIF پژوهش کنونی برابر با 1 و کمتر از 5 می‏باشد. لذا عدم هم‌خطی سؤالات متغیرهای مکنون ترکیبی به اثبات می‏رسد.

علی‌رغم نقدهای جدی تعدادی از محققین و حتی خود کرونباخ بر مقالۀ خود و اینکه معتقد است کسانی که به ضریب او استناد می‏کنند حتی مقاله او را یکبار نخوانده‏اند، ضریب آلفای کرونباخ به‏عنوان رایج‏ترین و قدیمی‏ترین آزمون سنجش پایایی با روش سازگاری درونی و برگرفته از مقاله کرونباخ در بیش‌از 70سال پیش است (Moradi et al., 2022). علاوه‌بر میزان آلفای کرونباخ، پایایی سازه را می­توان براساس پایایی مرکبCR  و میزان واریانس استخراج شده AVE محاسبه کرد. بدین‌ترتیب کهCR  بزرگتر از 0.7 و AVE بزرگتر از 0.5 باشد. در (جدول 5)، مقادیر ضرایب آلفا، CR و AVE نمایش داده شده‏اند. به‌نظر پرفسور رینگل، اگر متغیر پنهان سینگل آیتم در مدل داشته باشیم، علاوه‌بر بار عاملی تمام معیارهای قابلیت اطمینان و پایایی (AVE، آلفای کرونباخ، قابلیت اطمینان ترکیبی)، باید 1 باشد. که در مدل معادلات ساختاری پژوهش کلیۀ مقادیر بدین‌صورت گزارش شده است(Fixing Measurement Error to 0 for Single-Item-Latent - Forum.Smartpls.Com, n.d.).

 

 

AVE

CR(rho_c)

CR(rho_a)

α

متغیر مکنون

1

1

1

1

انرژی نهفتۀ هستۀ دیوار خارجی

Core Exterior Wall Embodied Energy

1

1

1

1

انرژی نهفتۀ نمای دیوار خارجی

Facade Exterior Wall Embodied Energy

1

1

1

1

انرژی نهفتۀ پنجره خارجی

Exterior Window Embodied Energy

1

1

1

1

انرژی نهفتۀ بام

Roof Embodied Energy

1

1

1

1

انرژی نهفتۀ کف

Floor Embodied Energy

1

1

1

1

انرژی نهفتۀ دیوار داخلی

Interior Wall Embodied Energy

1

1

1

1

بارسرمایشی

Cooling Load Energy

1

1

1

1

بارگرمایشی

Heating Load Energ

جدول5 . بررسی ضرایب α و CR و AVE-(مأخذ: خروجی نرم‏افزار SMART PLS4)

 

مدل اندازه‏گیری (بیرونی)، اکنون مورد کیفیت‌سنجی قرار می‏گیرد. معیارهای تناسب و برازش به‌شکل کواریانس محور‏ها در روش‏های حداقل مربعات جزیی وجود ندارد. یعنی، شاخص‏های برازش نمی‏تواند به‏طور قابل اعتماد مدل‏های معتبر را از نامعتبر تشخیص دهد (Ringle et al., 2022). لذا، از شاخص Q square برای بررسی کیفیت پیش‌بینی متغیرهای آشکار از متغیر مکنون در مدل بیرونی استفاده می‏شود. مطابق‌با آنچه در ادبیات دهۀ اخیر بیان شده است مقدار این شاخص باید بزرگتر از صفر باشد. اگرچه برای تفسیر آن می‏توان از مقادیر 0.02، 0.15 و 0.35 به‌ترتیب از ضعیف تا قوی استفاده کرد (Becker et al., 2013). مطابق با (جدول6)، مقادیرQ square  بالاتر از مقدار 0.35 می‏باشند و بدین‌ترتیب کیفیت پیش‌بینی مدل بیرونی قوی ارزیابی شده است.

 

جدول 6 . بررسی شاخص های کیفیت مدل-(مأخذ: خروجی نرم‏افزار SMART PLS4)

متغیر مکنون

Q²predict

PLS-SEM_RMSE

PLS-SEM_MAE

LM_RMSE

LM_MAE

CoolingLoad

0.612

151030.13

102444.776

177407.102

128374.799

HeatingLoad

0.651

168671.827

114257.547

205489.718

150145.117

 

4-3- آزمون مدل درونی

اکنون که مدل بیرونی پژوهش روایی، پایایی و کیفیت مشاهدات جمع‏آوری شده از ابزار را در قالب مدل پژوهش به تأیید رسانیده است، مدل درونی (ساختاری)، پژوهش جهت آزمون فرضیات و دقت پیش‏بینی متغیرهای درون‌زا اجرا می‏گردد (Iqbal & Mia, 2020; Tarka, 2018). بدین‌ترتیب به آزمون مدل درونی یا ساختاری پژوهش می‏پردازیم. (شکل 5)، مدل ساختاری پژوهش را در حالت تخمین ضرایب و معناداری ضرایب نشان می‏دهد، همچنین (جدول 7)، معناداری و ضرایب مسیر فرضیات مدل ساختاری در رویارویی با تغییرات فرهنگی محور پژوهش را نمایش می‏دهد.

img0 

شکل5. مدل بیرونی و درونی پژوهش در حالت تخمین ضرایب و معناداری ضرایب-(مأخذ: خروجی نرم‏افزار  SMART PLS4)

 

جدول 7. جدول آزمون فرضیات مدل پژوهش-(مأخذ: خروجی نرم‏افزار SMART PLS4)

فرضیات پژوهش

β

VIF

T values

P values

نتیجه

EXWallCoreEE -> CoolingLoad

0.666

1.568

20.165

0/000

معنادار

EXWallCoreEE -> HeatingLoad

0.646

1.568

19.564

0/000

معنادار

EXwindowEE -> CoolingLoad

-0.121

1.01

6.434

0/000

معنادار

EXwindowEE -> HeatingLoad

-0.071

1.01

4.505

0/000

معنادار

FacadeEE -> CoolingLoad

0.963

1.421

21.738

0/000

معنادار

FacadeEE -> HeatingLoad

0.963

1.421

22.149

0/000

معنادار

FloorEE -> CoolingLoad

-0.045

1.052

2.402

0.016

معنادار

FloorEE -> HeatingLoad

-0.034

1.052

2.071

0.038

معنادار

INTwallEE -> CoolingLoad

0.05

1.155

2.624

0.009

معنادار

INTwallEE -> HeatingLoad

0.037

1.155

2.238

0.025

معنادار

RoofEE -> CoolingLoad

-0.002

1.102

0.102

0.919

غیر معنادار

RoofEE -> HeatingLoad

-0.068

1.102

3.651

0/000

معنادار

EXWallCoreEE x FacadeEE -> CoolingLoad

0.882

1.498

21.243

0/000

معنادار

EXWallCoreEE x FacadeEE -> HeatingLoad

0.943

1.498

22.8

0/000

معنادار

 

متغیر درونزا

R-square

R-square adjusted

CoolingLoad

0.704

0.701

HeatingLoad

0.755

0.752

جدول 8 . مقادیر R2 متغیر های درونزای پژوهش (مأخذ: خروجی نرم‏افزار SMART PLS4)

 

 

 

هدف غایی یک پژوهش کمی در پیشبینی متغیرهای وابسته اصلی مدل مفهومی است (جدول 8)، مقادیر R2 متغیرهای درونزا و وابسته پژوهش کنونی را نشان می‏دهد. پروفسور Hair بیان می‏کند که این شاخص مطابق با گفته چن باید با 3مقدار 0.19 ضعیف، 0.33 متوسط و 0.67 قوی مقایسه شود. چنانچه این مقدار کمتر از 0.19 برای پژوهشی بود آن پژوهش ارزش علمی نخواهد داشت (Hair et al., 2011). نتایج R2=0.755, 0.704 در 2معادله ساختاری خبر از تببین بسیار قدرتمند از واریانس یا رفتار متغیر بارسرمایشی و بارگرمایشی که همان انرژی بهره‏برداری می‏باشد، می‏دهد. به‌عبارتی مدل برآمده از ادبیات پژوهش و متغیرهای انتخاب شده برای مدل مفهومی درمجموع بیش‌از 70درصد از تأثیر رفتار انرژی نهفته بر انرژی بهره‏برداری در اجتماع را پیش‏بینی می‏کند (احمدی، یاسی، 1400: 12-1). که این مقدار با هر معیاری از صاحب‏نظران بسیار قوی ازجمله مطالعات اجتماعی با درنظر گرفتن تغییرات فرهنگی برخوردار بوده است.

نتایج مدل ساختاری پژوهش نشان می‏دهد که در معادلۀ اول ساختاری 6 متغیر انرژی نهفتۀ پوسته خارجی یا نما، انرژی نهفته هسته دیوار خارجی، انرژی نهفته پنجره‏های خارجی، انرژی نهفته بام، انرژی نهفته کف و انرژی نهفته دیوارهای داخلی بر متغیر مکنون بار گرمایشی تأثیر می‏گذارند و از بین این 6فرضیه باتوجه‌به مقدار p value<0.01  4فرضیه با احتمال 99درصد تأیید و 2فرضیه باتوجه‌به مقدار p value<0.05  با احتمال 95درصد به تأیید رسیده است. ازطرفی نتایج نشان می‏دهد که باتوجه‌به مقدار منفی β در انرژی نهفته پنجره‏های خارجی، انرژی نهفته کف و انرژی نهفته بام، با افزایش آن‏ها مقدار بارگرمایشی کاهش می‏یابد. مقدار R2=0.755 است که باتوجه‌به مقادیر اندازه اثر چن (Chin, 1998)، بسیار قوی ارزیابی می‏شود. در معادله دوم ساختاری 6 متغیر انرژی‏های نهفته پوسته خارجی یا نما، هسته دیوار خارجی، پنجره‏های خارجی، بام، کف و دیوارهای داخلی بر متغیر مکنون بار سرمایشی تاثیر می‏گذارند و از بین این 6فرضیه، 4فرضیه انرژی‏های نهفته پوستۀ خارجی (حریم)، یا نما، هستۀ دیوار خارجی (حصار)، پنجره‏های خارجی و دیوارهای داخلی باتوجه‌به مقدار p value<0.01 با احتمال 99درصد تأیید شده‏اند و یک فرضیۀ انرژی نهفته کف باتوجه‌به مقدار p value<0.05 با احتمال 95درصد به تایید رسیده است. تأثیر متغیر انرژی نهفته سقف بر بارسرمایشی ازنظر آماری معنادار نیست و این فرضیه رد می‌گردد. ازطرفی نتایج نشان می‏دهد که باتوجه‌به مقدار منفی β در انرژی نهفته پنجره‏های خارجی و انرژی نهفته کف با افزایش آن‌ها، مقدار بار سرمایشی کاهش می‏یابد. از طرفی 6متغیر ذکر شده دارای دقت پیشبینی R2=0.704 است‌که باتوجه‌به مقادیر اندازه اثر چن (Chin, 1998)، بسیار قوی ارزیابی می‏شود. بطورخلاصه از بین 14فرضیه پژوهش همۀ فرضیات تأیید و تنها یک فرضیه رد شد. نکتۀ مهم این است‌که، به‏دلیل عدم‌وجود کوواریانس در PLS-SEM نمی‏توان تنهابه مقادیر R2 اکتفاء کرد. زیرا ممکن است‌که متغیرهای مکنون برونزا باهم هم‏پوشانی داشته باشند. راه حل این است‌که آزمون VIF که آزمون نمایانگر عدم هم‏خطی متغیرهای مکنون می‏باشد بررسی گردد. همان‌طور که در (جدول 7)، مشخص شده است، کلیۀ مقادیرVIF متغیرهای مکنون برونزا کمتر از 5 می‏باشند و لذا متغیرهای مکنون برونزا هم‏خطی ندارند و درنتیجهۀ نتایج به‌دست آمده ازR2  کاملاً قابل اطمینان هستند.

 

4-3- آزمون تحلیل پیشرفته تعدیل‌گر در رابطۀ هم‌سو تغییرات فرهنگی در اجتماع

در تجزیه‌وتحلیل مدل‌های مفهومی گاهی متغیر مستقل یا متغیر وابسته تحت‌تأثیر متغیر سومی قرار می‏گیرد که به‏عنوان متغیر میانجی مورد تحلیل قرار می‏گیرد (Pardo, Román, 2013). در موارد دیگر، گاهی اوقات متغیر سوم بر خود روابط علّی تأثیر می‏گذارد که دراین حالت، متغیر تعدیل‌کننده 17 نامیده می‏شود (Yoon, 2020). این نوع از متغیرها اثرات متغیرهای برونزا بر درونزا را تقویت یا تضعیف می‏کنند (Dawson, 2014). در پژوهش کنونی باتوجه‌به درنظرگرفتن متغیر انرژی نهفتۀ هستۀ دیوار خارجی به‏عنوان تعدیل‏گر، دراین بخش به تحلیل پیشرفته این تعدیل‏گر می‏پردازیم. انرژی نهفتۀ هستۀ دیوار خارجی (حریم/حصار)، باتوجه‌به مقیاس اندازه‏گیری فاصله‏ای نسبی برمبنای روش حاصل‏ضربی یا تعاملی موردتحلیل اثرات تعدیلی قرار گرفت. (جدول 9)، نتایج آزمون فرضیات تعدیل‏گر انرژی نهفتۀ هستۀ دیوار خارجی را نمایش می‏دهد.

جدول 9 . جدول آزمون فرضیات تعدیل‌کننده مدل پژوهش-(مأخذ: خروجی نرم‏افزار SMART PLS4)

فرضیات پژوهش

β

VIF

T values

P values

نتیجه

EXWallCoreEE x FacadeEE -> CoolingLoad

0.882

1.498

21.243

0/000

معنادار

EXWallCoreEE x FacadeEE -> HeatingLoad

0.943

1.498

22.8

0/000

معنادار

 

نتایج مدل حاصل‏ضربی نشان می‏دهد که متغیر انرژی نهفتۀ هستۀ دیوار خارجی در روش حداقل مربعات جزئی رابطۀ علّی انرژی نهفتۀ پوستۀ خارجی بر بارسرمایشی و بارگرمایشی را باتوجه‌به مقدار P VALUE و T VALUE در سطح اطمینان 99درصد تعدیل و علامت ضریب مسیر مثبت می‏باشد که خبر از تقویت رابطۀ علّی دراین فرضیه است. یعنی با افزایش میزان انرژی نهفتۀ هستۀ دیوار خارجی در جهت مثبت، شدت اثر بر بارسرمایشی و بارگرمایشی از کم به زیاد افزایش می‏یابد و تقویت می‏شود.

 

4- بحث

img0در پژوهش کنونی، باتوجه‌به مقادیر ضریب مسیر بیشترین تأثیر مستقیم را متغیرهای هسته و پوستۀ دیوار خارجی (حریم/حصار)، برروی انرژی بهره‌برداری دارند. بدین‌ترتیب می‌توان این طور تفسیر کرد که می‏بایستی در انتخاب مصالح، جزئیات پوسته و هستۀ دیوار خارجی (حریم/حصار)، دقت و زمان بیشتری صرف گردد. این موضوع خصوصاً در بناهای بلندمرتبه اهمیت بیشتری پیدا می‏کند چراکه سطح دیوار خارجی و به‌تبع آن میزان انرژی نهفتۀ هسته و پوستۀ دیوار خارجی (حریم/حصار)، و درنهایت بارسرمایشی و گرمایشی افزایش می‏یابند. (شکل 6 )، مقادیر انرژی نهفته 8تیپ دیوار خارجی که در پژوهش کنونی موردبررسی قرار گرفته را نشان می‏دهد.

 

شکل 6 . نمودار مقادیر انرژی نهفته متغیرهای هستۀ و پوستۀ دیوار خارجی (حریم/حصار)، برحسب KJ/M2

درمورد انرژی نهفته پوستۀ خارجی (حریم/حصار)، می‏توان این‌طور استنباط کرد که هرچه به‌سمت متریال‏های تجملاتی‏تر و گران‏تر برویم هم انرژی نهفته و هم بارسرمایشی و گرمایشی افزایش می‏یابد (اکبری، طالبی، جلائی، 1395: 26-1). به‏این‌صورت که میزان انرژی نهفته و بارسرمایشی و گرمایشی نماهای آلومینیومی و سنگی از نماهای آجری و سیمان شسته بیشتر است. از روی (شکل 6)، جزئیات دیوارهای تیپ5، تیپ3، تیپ1، تیپ8، تیپ4، تیپ2، تیپ6، تیپ7 به‌ترتیب دارای انرژی نهفته کمتری هستند و لذا، بارسرمایشی و گرمایشی کمتری را هم درپی خواهند داشت. دیگزیت در رسالۀ دکتری خود در سال 2013میلادی تأثیر مستقیم قیمت را برروی میزان انرژی نهفته با روش رگرسیون به اثبات رسانیده است(Dixit, 2013) . از آن‏جاکه معماری امروز ایران به‌گفتۀ سفلایی به‌سمت تجمل‏گرایی حرکت می‏کند. و ازاین‌رو به‌رغم بالابودن انرژی نهفته مصالح زینتی‏تر و گران قیمت‏تر، سلایق و «تغییرات فرهنگی»، جامعه به‌سوی این متریال‏ها حرکت می‏کند. لذا، به‌نظر می‏رسد که دراین موارد اولاً «فرهنگ‏سازی»، صورت پذیرد، ثانیاً مراجع ذی‌ربط اقدامات لازم را همچون تدوین آئین‏نامه‏ها و دستورالعمل‏های جدید درجهت کنترل این رویه انجام دهند. ضمناً جهت تأثیر انرژی نهفته پنجره‏های خارجی برروی بارسرمایشی و گرمایشی معکوس است بدین‌معنا که با بالارفتن انرژی نهفته پنجره‏های خارجی بارسرمایشی و گرمایشی کمتر می‏شود که این هم به‌دلیل نوع شیشه به‏کار رفته در پنجره‏ها می‏باشد به‌این صورت که شیشۀ سه‌جداره، دوجداره و تک جداره بارسرمایشی و گرمایشی کمتری را دارا هستند.

مقادیر ضریب تأثیر پنجره‏های خارجی هم لزوم توجه‌به پنجره‏های خارجی را بعداز توجه‌به هسته و پوستۀ دیوار خارجی (حریم/حصار)، تأکید می‏کند و بعداز پنجره‏ها توجه‌به انرژی نهفتۀ بام جهت کاهش بار گرمایشی الزامی می‏شود چراکه انرژی نهفته بام تأثیر معناداری و البته معکوس برروی بارگرمایشی می‏گذارد. متغیرهای انرژی نهفته دیوارهای داخلی و کف طبقات کمترین ضریب تأثیر را برروی بار سرمایشی و گرمایشی ساختمان دارند. باتوجه‌به معناداری فرضیات آن‏ها بعداز توجه‌به مصالح دیوارهای خارجی، پنجره‏ها و بام که به‏طورکلی پوستۀ ساختمان را تشکیل می‏دهند، می‏بایستی به انتخاب مصالح آن‏ها نیزحتماً توجه گردد.

روش‏های کمی که برای آزمایش فرضیات تأثیرسنجی مورداستفاده قرار می‏گیرد اکثرا رگرسیون می‏باشند و در پاره‏ایی از موارد از روش تحلیل مسیراستفاده می‏شود. لذا، از نقاط قوت پژوهش کنونی انتخاب روش مناسب جهت آزمون فرضیات می‏باشد، چراکه بهترین و تنهاترین روش آزمون فرضیات علّی، به‌دلیل رفع نقایص دو روش قبلی، مدل‌سازی معادلات ساختاری می‏باشد. این روش محقق را به مدل می‏رساند و قابلیت انطباق با واقعیت یا برازش را داراست. مدل‌سازی معادلات ساختاری یک تکنیک بسیار قدرتمند آماری که امکان آزمایش روابط پیچیده بین متغیرهای پنهان و آشکار را داراست. این روش نیازمند حجم نمونۀ بالاست، چنانچه محقق 702نمونه را ازطریق مدل‌سازی، محاسبات و همچنین شبیه‏سازی جمع‏آوری نمود که مستلزم صرف زمان زیادی بود. یکی دیگر از نقاط قوت پژوهش بررسی هم‌زمان انرژی نهفته و بهره‏برداری می‏باشد که از شکاف‌های موجود در ادبیات انرژی نهفته و بهره‌برداری در اجتماع شناسایی گردیده است (سپهرنیا، 1390: 144-121). همچنین انتخاب جامعۀ آماری اجتماع مدارس سبز، درحالی‌که توجه اکثر پژوهش‏ها به ساختمان‏های مسکونی و اداری معطوف می‏باشد، از ویژگی های مثبت پژوهش می باشد. ضمناً پژوهشگر سعی برآن داشت‌که بااستفاده‌از آخرین ورژن‏ نرم‏افزارهای موجود در بخش آزمون فرضیات و استفاده از نرم‏افزار Smart PLS4 جهت رسیدن به اهداف پژوهش بهره ببرد. و در آخر مدل پژوهش دارای تحلیل پیشرفته تعدیل‌گر متغیر هستهّ دیوار خارجی دررابطۀ تغییرات فرهنگی مؤثر می‌باشد.

مهمترین محدودیت در محاسبات انرژی نهفته، فقدان داده‏های جامع و مختص کشور ایران جهت محاسبۀ انرژی نهفته در اجتماع است. دراین پژوهش همۀ متغیرهای تأثیرگذار بر انرژی بهره‏برداری موردبررسی قرار نگرفته است. متغیرهایی همچون عایق حرارتی (ضخامت و نوع)، اسکای لایت و نسبت سطح بازشوها به‌سطح دیوارها، غیره می‏توانند در مدل‏های توسعۀ یافته‏تر وارد شوند. دراین پژوهش تعدادی متغیربه عنوان متغیر کنترل درنظر گرفته شده است و اثر آن‏ها در مدل پژوهش دیده نشده است. ازجمله: آن می‏توان به سازه و تأسیسات اشاره نمود. طول عمر ساختمان می‏تواند میزان انرژی نهفته را کاهش دهد (Acquaye, 2010; Rauf & Crawford, 2015; Thormark, 2006). که در پژوهش کنونی به‌عنوان متغیر در مدل وارد نشده است. انرژی نهفته محاسبه شده برای متغیرهای برونزای پژوهش، معطوف به انرژی نهفته اولیۀ ساخت‌مایۀ مصالح می‏باشد. انرژی نهفته حمل‌ونقل و انرژی نهفته بازسازی و تخریب در این پژوهش درنظر گرفته نشده است. واحد تحلیل دراین پژوهش با اجتماع مدرسۀ سبز شهید مطهری می‏باشد و مدارس دیگری در مطالعۀ اجتماعی نمونه‏گیری درنظر گرفته نشده است.

پیشنهاد می‏گردد در پژوهش‏های آتی، محققان متغیرهایی که در پژوهش کنونی به‏عنوان متغیر کنترل درنظر گرفته شده و همچنین متغیرهایی که در مدل آزمون نگردیده‏اند را در مدل‏های توسعه یافته‏تر موردآزمون قرار دهند. در پژوهش‏های آتی انرژی نهفته بازسازی و تخریب نیز می‏توانند مدنظر پژوهش‏گران قرار بگیرد. پیشنهاد می‏گردد از واحد تحلیل دیگری یا هم‌زمان از 2واحد تحلیل استفاده شود. همچنین پژوهش‏های آینده می‏توانند در مکان‏های جغرافیایی دیگر که دارای اقلیم متفاوتی هستند انجام شود. محدودیت دیگر مربوط‌به پیچیدگی‏های شبیه‏سازی انرژی در ساختمان و همین‌طور زمان‌بر بودن نتایج شبیه‏سازی است، به‏دلیل سرعت پردازش نرم‏افزارها جمع‏آوری حجم‌نمونۀ بالا نیازمند صرف زمان زیادی می‏باشد. هرچند مدلسازی معادلات ساختاری یک تکنیک بسیار قدرتمند آماری می‏باشد، بااین‏حال دارای محدودیت‏هایی همچون پیچیدگی تفسیر نتایج آن به‏دلیل نیاز به داشتن دانش آماری بالا و نیازمند حجم نمونه بالاست. لذا، پژوهش‏های صورت‌گرفته با آن نیازمند صرف زمان زیادی جهت جمع‏آوری حجم نمونه می‏باشد. علی‏رغم این محدودیت‏ها این روش به‌سرعت با مطالعات اجتماعی و تغییرات فرهنگی درحال رشد و به‌روز شدن است (فرهادی‌محلی، 1390: 96-63)، ارائۀ نرم‏افزار جدید SMARTPLS 4 که هم واریانس محور و کوواریانس محور می‏باشد از دلایل اصلی این ادعا می‏باشد.

متأسفانه بحث انرژی نهفته مصالح در استانداردهای ساختمانی کشور ایران بر گسترۀ مطالعات اجتماعی گنجانده نشده است. این موضوع می‏تواند چالشی برای ارزیابی دقیق کارایی انرژی ساختمان‏ها باشد. نتایج پژوهش می‏تواند به تصمیم‏گیران و سیاست‏گذاران دربه روزرسانی و توسعۀ این استانداردها کمک کند. ازجمله: این استانداردها می‏توان به‌موارد زیراشاره کرد: استاندارد 12454 (استاندارد ساختمان‏های غیرمسکونی)، تعیین معیار مصرف انرژی و دستورالعمل برچسب انرژی)، استانداردهای مصالح سازمان ملی استاندارد، دستورالعمل اجتماع، مدیریت سبز مدارس و مبحث19 مقررات‌ملی ساختمان. نتایج پژوهش به روش‏های آگاهی‏سازی و ادغام در آموزش، می‏تواند به بهبود آموزش مهندسان، طراحان و دوست‌دارن محیط‌زیست در جامعه دراین حوزه کمک کند. افزایش آگاهی مهندسان و طراحان درمورد اهمیت انرژی نهفتۀ ساخت‌مایۀ مصالح و تأثیر آن بر عملکرد انرژی ساختمان‏ها، کمک می‌کند تا آن‌ها در فرایند طراحی و انتخاب مصالح، به‌این موضوع توجه بیشتری داشته باشند. نتایج پژوهش می‌تواند به بروزرسانی برنامه‌های آموزشی مهندسی و طراحی ساختمان منجر شود تا مباحث انرژی نهفته مصالح به‏طور مناسب در آن‌ها گنجانده شود. این امر می‌تواند دانش و مهارت‌های لازم را به دانشجویان و فارغ‌التحصیلان این رشته‌ها ارائه دهد. درمجموع، نتایج پژوهش می‏تواند نقش مهمی در توسعۀ چارچوب‏های قانونی و استانداردهای ساختمانی فرهنگ ایران ایفاء کند و به پیشرفت حوزۀ کارایی انرژی در بخش ساخت‌وساز و به‌ویژه نقش اجتماع کمک نماید.

 

5- نتیجه‌گیری

در پژوهش پیش‌رو با بررسی ادبیات در مطالعات اجتماعی و به‌ویژه گسترۀ تغییرات فرهنگی حوزه‌های انرژی نهفته و انرژی بهره‌برداری شکافی ازمنظر عدم‌توجه به تأثیرگذاری در اجتماع  بر انرژی نهفته ساخت‌مایۀ مصالح ساختمان برروی انرژی بهره‏برداری استخراج گردید. محقق درجهت کم‌کردن این شکاف و درجهت آزمون این فرضیه به‌وسیله مدل‌سازی معادلات ساختاری موفق به ارائه و تخمین مدل پیش‏بین تأثیرگذاری انرژی نهفته برروی انرژی بهره‏برداری با نقش تعدیل‏گر هستۀ دیوار خارجی گردید. نتایج R2 =0.704, 0.755  در 2معادله ساختاری خبر از یک تببین مطالعاتی بسیار قدرتمند از واریانس یا رفتار متغیر بارسرمایشی و بارگرمایشی که همان انرژی بهره‏برداری می‏باشند، می‏دهد. به‌عبارتی مدل برآمده از ادبیات پژوهش و متغیرهای انتخاب شده برای مدل مفهومی درمجموع بین 75تا70درصد از تأثیر رفتار انرژی نهفته بر انرژی بهره‏برداری را پیش‏بینی می‏کند. بدین‌ترتیب تأثیر انرژی نهفته مصالح برروی انرژی بهره‌برداری به اثبات رسید. درنهایت این پژوهش با کلیۀ نقاط قوت و ضعف و با رویکرد کتاب‌سنجی در بخش مرور ادبیات و نیز رویکرد کمی برآمده از پارادایم فرا اثبات‏گرا و با روشSEM  انجام پذیرفت و توانست به اهداف خود در کنار محدودیت‏ها دست یابد تا بتواند در علم و اجتماع سهم داشته باشد.

 

6- منابع

احمدی، زهرا. یاسی، پوسف. 1400. نقش مؤلفه‌های انرژی در ساختار اجتماعی فرهنگی جامعۀ ایرانی، سومین کنفرانس ملی پیشرفت‌های نوین در حوزۀ انرژی و صنایع نفت و گاز، ساوه-ایران. 12-1.

اکبری، نعمت‌الله، طالبی، هوشنگ. جلائی، اعظم. 1395. بررسی عوامل اجتماعی و فرهنگی م‍ؤثر بر مصرف انرژی خانوار پس‌از اجرای قانون هدفمندسازی یارانه‌‏ها (مطالعه‌موردی: شهر اصفهان)، فصلنامۀ علمی‌پژوهشی-جامعه شناسی کاربردی، دورۀ 24، شمارۀ 4، 26-1.

خانی، محمدسعید. فلاحی، اسماعیل. بانشی، مهدی. 1395. ارائۀ مدل مدیریت تأمین انرژی در ایران براساس معیارهای فنی، اقتصادی و زیست‌محیطی، فصلنامۀ علمی‌پژوهشی-پژوهشنامۀ اقتصاد انرژی ایران، دورۀ 5، شمارۀ 18، 60-29.

دبدبه، محمد. 1403. برداشت از مجموعه آثار معمار دبدبه (عملکردهای انرژی در گستره‌های تغییرات اجتماعی-فرهنگی)، تهران.

دلاویز، محسن. مرتضوی‌اصل، سیدخدایار. سینایی، سیدعطاالله. 1401. بررسی تغییرات فرهنگی و اجتماعی مصرف انرژی و راهکارهای بهینه‌سازی آن برپایۀ سرمایۀ اجتماعی در آیندۀ جمهوری‌اسلامی ایران، فصلنامۀ علمی‌پژوهشی-جامعه‌شناسی سیاسی انقلاب اسلامی، دورۀ 3، شمارۀ 2، 80-53.

دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402a. بررسی مطالعات مدارس سبز با رویکرد علم‌سنجی در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران، 12-1.

دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402b. بررسی نقشه‌های علمی انرژی نهفته در صنعت ساخت‌وساز در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران،14-1.

دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1402c. بررسی انرژی نهفته در ساختمان با رویکرد بیبلیومتریک در پایگاه استنادی اسکوپوس، سومین کنفرانس بین‌المللی معماری، عمران، شهرسازی، محیط‌زیست و افق‌های هنراسلامی در بیانیۀ گام دوم انقلاب، تبریز-ایران،15-1.

دولت، سمیه. صفدریان، غزال. جهانبخش، حیدر، معتضدیان، فهیمه. 1403. بررسی شبیه‌سازی انرژی در ساختمان و فرهنگ رفتار ساکنان با رویکرد کتاب‌سنجی در پایگاه استنادی اسکوپوس، فصلنامۀ علمی‌پژوهشی-تغییرات اجتماعی-فرهنگی، دورۀ 23، شمارۀ 1، 20296-177.

سپهرنیا، رزیتا. 1390. بررسی نقش جهانی شدن در شکل‌گیری خاصگرائی‌های فرهنگی، فصلنامۀ علمی‌پژوهشی-مطالعات راهبردی سیاست‌گذاری عمومی، دورۀ  2، شمارۀ 5، 144-121.

فرهادی‌محلی، علی. 1390. بررسی تحلیلی پدیدۀ جهانی‌شدن باتمرکزبر حوزۀ فرهنگ، فصلنامۀ علمی‌پژوهشی-مطالعات راهبردی سیاست‌گذاری عمومی، دورۀ 2، شمارۀ 5، 96-63. 

قاسمی، حاکم. نیکویه، مهدی. شیرویه‌پور، شهریار. 1400. راهبردهایی جهت بهبود سرمایۀ اجتماعی در ایران: رویکردی آینده‌پژوهانه با کاربست روش تحلیل لایه‌ای علت‌‌ها، فصلنامۀ علمی‌پژوهشی-علوم مدیریت ایران، دورۀ 16، شمارۀ 63، 160-135.

کریمی، یوسف. صفاری‌نیا، مجید. 1384. روان‌شناسی اجتماعی و تغییر نگرش مصرف‌کنندگان انرژی، فصلنامۀ علمی‌پژوهشی-انرژی ایران، دورۀ 9، شمارۀ 22، 83-69.

 

Acquaye, A. (2010). A Stochastic Hybrid Embodied Energy and CO2_eq Intensity Analysis of Building and Construction Processes in Ireland.

Ahamed, M. S., Guo, H., & Tanino, K. (2020). Modeling heating demands in a Chinese-style solar greenhouse using the transient building energy simulation model TRNSYS. In Journal of Building Engineering (Vol. 29). Elsevier Ltd.

Akande, O. K., Odeleye, D., Coday, A., & JimenezBescos, C. (2016). Performance evaluation of operational energy use in refurbishment, reuse, and conservation of heritage buildings for optimum sustainability. Frontiers of Architectural Research, 5(3), 371–382.

Alwan, Z., Nawarathna, A., Ayman, R., Zhu, M., & ElGhazi, Y. (2021). Framework for parametric assessment of operational and embodied energy impacts utilising BIM. Journal of Building Engineering, 42, 102768.

Avkiran, N. K., & Ringle, C. M. (2018). Partial least squares structural equation modeling (PLS-SEM). In Springer International Publishing AG.

Azar, E., & Menassa, C. C. (2012). A comprehensive analysis of the impact of occupancy parameters in energy simulation of office buildings. Energy and Buildings, 55, 841–853.

Baum, M., & Council, U. G. B. (2007). Green building research funding: An assessment of current activity in the United States. Citeseer.

Becker, J.-M., Rai, A., & Rigdon, E. (2013). Predictive validity and formative measurement in structural equation modeling: Embracing practical relevance.

Black, J., Hoffman, A., Hong, T., Roberts, J., & Wang, P. (2018). Weather Data for Energy Analytics: From Modeling Outages and Reliability Indices to Simulating Distributed Photovoltaic Fleets. IEEE Power and Energy Magazine, 16(3), 43–53.

Calì, D., Andersen, R. K., Müller, D., & Olesen, B. W. (2016). Analysis of occupants’ behavior related to the use of windows in German households. Building and Environment, 103, 54–69.

Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295(2), 295–336.

Coakley, D., Raftery, P., & Keane, M. (2014). A review of methods to match building energy simulation models to measured data. Renewable and Sustainable Energy Reviews, 37, 123–141.

Dalla Rosa, A., & Christensen, J. E. (2011). Low-energy district heating in energy-efficient building areas. Energy, 36(12), 6890–6899.

Dawson, J. F. (2014). Moderation in Management Research: What, Why, When, and How. Journal of Business and Psychology, 29(1), 1–19. https://doi.org/10.1007/s10869-013-9308-7

Diao, L., Sun, Y., Chen, Z., & Chen, J. (2017). Modeling energy consumption in residential buildings: A bottom-up analysis based on occupant behavior pattern clustering and stochastic simulation. Energy and Buildings, 147, 47–66.

Ding, G. K. C. (2004). The development of a multi-criteria approach for the measurement of sustainable performance for built projects and facilities [PhD Thesis].

Diwedi, K. (2017). Green Architecture: A Concept of Sustainability. International Journal of Environment Planning and Development, 2(1), 22–29.

Dixit, M. K. (2013). Embodied energy calculation: Method and guidelines for a building and its constituent materials [PhD Thesis].

Dixit, M. K. (2017). Life cycle embodied energy analysis of residential buildings: A review of literature to investigate embodied energy parameters. Renewable and Sustainable Energy Reviews, 79, 390–413.

Dixit, M. K., & Singh, S. (2018). Embodied energy analysis of higher education buildings using an input-output-based hybrid method. Energy and Buildings, 161, 41–54.

Dixit, M. K., Culp, C. H., & Fernandez-Solis, J. L. (2015). Embodied Energy of Construction Materials: Integrating Human and Capital Energy into an IO-Based Hybrid Model. Environmental Science & Technology, 49(3), 1936–1945.

Dixit, M. K., Fernández-Solís, J. L., Lavy, S., & Culp, C. H. (2010). Identification of parameters for embodied energy measurement: A literature review. Energy and Buildings, 42(8), 1238–1247.

Dixit, M. K., Fernández-Solís, J. L., Lavy, S., & Culp, C. H. (2012). Need for an embodied energy measurement protocol for buildings: A review paper. Renewable and Sustainable Energy Reviews, 16(6), 3730–3743.

Duarte, C., Van Den Wymelenberg, K., & Rieger, C. (2013). Revealing occupancy patterns in an office building through the use of occupancy sensor data. Energy and Buildings, 67, 587–595.

Fixing measurement error to 0 for single-item-latent—Forum.smartpls.com. (n.d.). Retrieved April 28, 2024, from https://forum.smartpls.com/viewtopic.php?t=3333

Gaetani, I., Hoes, P.-J., & Hensen, J. L. (2016). Occupant behavior in building energy simulation: Towards a fit-for-purpose modeling strategy. Energy and Buildings, 121, 188–204.

Guo, C., & Yao, J. (2012). Effect of same Insulation Materials on Energy-Saving Potential of Different Buildings. Applied Mechanics and Materials, 164, 93–96.

Hair, J. F., Howard, M. C., & Nitzl, C. (2020). Assessing measurement model quality in PLS-SEM using confirmatory composite analysis. Journal of Business Research, 109, 101–110.

Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, 19(2), 139–152.

Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24.

Hammond, G. P., & Jones, C. I. (2010). Embodied Carbon: The Concealed Impact of Residential Construction. In I. Dincer, A. Hepbasli, A. Midilli, & T. H. Karakoc (Eds.), Global Warming (pp. 367–384). Springer US.

Hammond, G., & Jones, C. (2006). Inventory of Carbon and Energy (ICE), Version 1. 5a Beta, Carbon Vision Buildings Program. UK: University of Bath.

Hanafiah, M. H. (2020). Formative vs. reflective measurement model: Guidelines for structural equation modeling research. International Journal of Analysis and Applications, 18(5), 876–889.

Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C., Diamantopoulos, A., Straub, D., Ketchen, D., Hair, J. F., Hult, G., & Calantone, R. (2016). Common Beliefs and Reality about Partial Least Squares: Comments on Rönkkö and Evermann.

Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. In R. R. Sinkovics & P. N. Ghauri (Eds.), Advances in International Marketing (Vol. 20, pp. 277–319). Emerald Group Publishing Limited.

Hirst, N. (2013). Buildings and climate change. Design and Management of Sustainable Built Environments, 23–30.

Iqbal, M. M., & Mia, M. M. (2020). The strategy of management system standards: A variance-based structural equation modeling (VB-SEM). Int. J. Adv. Sci. Technol, 29, 1882–1893.

Jia, M., Srinivasan, R. S., & Raheem, A. A. (2017). From occupancy to occupant behavior: An analytical survey of data acquisition technologies, modeling methodologies and simulation coupling mechanisms for building energy efficiency. Renewable and Sustainable Energy Reviews, 68, 525–540.

Kline, R. B. (2016). Principles and practices of structural equation modelling. In Methodology in the social sciences.

Krishna A. Joshi. (2013). OPTIMIZATION OF ENERGY IN PUBLIC BUILDINGS. International Journal of Research in Engineering and Technology, 02(13), 423–427.

Levy, P. S., & Lemeshow, S. (2013). Sampling of populations: Methods and applications. John Wiley & Sons.

Li, Y., Gong, X. Z., Wang, Z. H., Li, H., & Fan, M. M. (2016). External Insulation Design Impacts on the Energy Consumption and Greenhouse Gas Emission of Building. Materials Science Forum, 847, 381–390.

Mellat, N., Ebrahimi Qavam, S., Gholamali Lavasani, M., Moradi, M., & Sadipour, E. (2022). The role of cognitive, emotional, and spiritual development in adult psychological well-being. Journal of Spirituality in Mental Health, 00(00), 1–24.

Moradi, M., & Miralmasi, A. (2020). Pragmatic research method (1st ed.). School of quantitative and qualitative research.

Moradi, M., Kheiry, B., & Miralmasi, A. (2022). Narrative Critique of Humanities positivist Research from the Perspective of Generalizability and Reliability of Measures By proposing to replace McDonald’s omega (Case Study: Marketing Research). Research Institute of Hawzah and University(RIHU).

Moradi.M, & Miralmasi.M. (2020a). Pragmatic research method ((F. Seydi, Ed.) (1st ed.)). School of quantitative and qualitative research. https://analysisacademy.com/

Moradi.M, & Miralmasi.M. (2020b). Pragmatic research method. In F. Seydi (Ed.). School of Quantitative and Qualitative Research.MPT ACADEMY.

Neuman, W. L. (2014). Social Research Methods: Qualitative and Quantitative Approaches. In Pearson Education Limited (7th ed.). Printed in the United States of America.

Pardo, A., & Román, M. (2013). Reflexiones sobre el modelo de mediación estadística de Baron y Kenny. Anales de Psicología, 29(2).

Rauf, A., & Crawford, R. H. (2015). Building service life and its effect on the life cycle embodied energy of buildings. Energy, 79, 140–148.

Rg Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C. M., Diamantopoulos, A., Straub, D. W., Ketchen, D. J., Hair, J. F., Tomas, G., Hult, M., & Calantone, R. J. (2014). Point/Counterpoint on Partial Least Squares Common Beliefs and Reality About PLS: Comments on Rö nkkö and Evermann (2013). Organizational Research Methods, 17(2), 182–209.

Ringle, C. M., Wende, S., & Becker, J.-M. (2022). SmartPLS 4.

Rostami, M., Green-Mignacca, S., & Bucking, S. (2024). Weather data analysis and building performance assessment during extreme climate events: A Canadian AMY weather file data set. Data in Brief, 52, 110036.

Sarstedt, M., & Mooi, E. (2019). A Concise Guide to Market Research: The Process, Data, and Methods Using IBM SPSS Statistic. In Springer (3rd ed.).

Sharrard, A. L. (2007). Greening construction processes using an input-output-based hybrid life cycle assessment model. Department of Civil and Environmental Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania. Sharrard/publication/267259382_Greening_Construction_Processes_Using_an_Input-OutputBased_Hybrid_Life_Cycle_Assessment_Model/links/5485a20a0cf24356db610813/Greening-Construction-Processes-Using-an-Input-Output-Based-Hybrid-Life-Cycle-Assessment-Model.pdf

Slesser, M. (1978). Energy in the Economy.

Song, Y. (2017). Generating Buildingâ€TM s Operating Energy Automatically by Energy Plus and C. International Research Journal of Electronics and Computer Engineering, 3(1), 11–13.

Stephan, A., & Stephan, L. (2016). Life cycle energy and cost analysis of embodied, operational and user-transport energy reduction measures for residential buildings. Applied Energy, 161, 445–464.

Su, X., Tian, S., Shao, X., & Zhao, X. (2020). Embodied and operational energy and carbon emissions of passive building in HSCW zone in China: A case study. Energy and Buildings, 222, 110090.

Susanti, Y. (2019). Menginterkoneksi Sains dan Agama dalam Pembelajaran IPA di Sekolah Dasar. ISLAMIKA, 1(2), 89–101.

Tarka, P. (2018). An overview of structural equation modeling: Its beginnings, historical development, usefulness and controversies in the social sciences. Quality and Quantity, 52(1), 313–354.

Thormark, C. (2006). The effect of material choice on the total energy need and recycling potential of a building. Building and Environment, 41(8), 1019–1026.

Vega, J. (2022). Constructivist Metaphors and Law’s Autonomy in Legal Post-Positivism BT - Human Dignity and the Autonomy of Law (J. M. Aroso Linhares & M. Atienza, Eds.; pp. 89–111). Springer International Publishing.

Woubishet, Z. T., & Abegaz, K. A. (2019). Embodied Energy and CO 2 Emissions of Widely Used Building Materials: The Ethiopian Context. Buildings, 9(6), 136.

Yoon, J. H. (2020). Fuzzy Moderation and Moderated-Mediation Analysis. International Journal of Fuzzy Systems, 22(6), 1948–1960.

Zilberberg, E., Trapper, P., Meir, I. A., & Isaac, S. (2021). The impact of thermal mass and insulation of building structure on energy efficiency. Energy and Buildings, 241, 110954.

 

 

 

 

 

123

 

[1]  Architecture, Engineering and Construction

[2]  Initial Embodied Energy

[3]  Recurrent Embodied Energy

[4]  Demolition Energy

[5] Initial Embodied Energy

[6]  International Building Performance Simulation Association

[7]  American Society of Heading, Refrigerating and Air conditioning Engineers

[8]  International Energy Agency

[9]  Reflective

[10]  Formative

[11]  Sample

[12]  Statistical Analysis

[13]  Process-Based Analysis

[14]  Economic Input/Output Based Analysis

[15]  Hybrid Analysis

[16]  Partial Least Squares

[17]  Moderator


Sanad

Sanad is a platform for managing Azad University publications

Links

Related Centers

Technical Support

Official pages

The rights to this website are owned by the Raimag Press Management System.
Copyright © 2021-2025

Home| Login| About Us| Contact Us|
[فارسی] [العربية] [fa] [ar]