（图一）采集数据

（图二）IEQ舒适投票比例

（图三）采集数据

（图四）数据整理

背景介绍： 案例一：De Giuli等人（2012年）对意大利小学的IEQ进行了研究，发现CO2浓度、光线、热环境和声音是研究小学的主要问题；案例二：Ghita and Catalina的研究旨在通过长期测量和现场记录调查2013年秋季至2014年春季三种不同类型农村学校（旧学校、新学校和翻新学校）的室内环境质量（IEQ）[20]。通过对112名学龄儿童（10-16岁）进行708次问卷调查，为每个子指数赋予权重。从回归模型得出的结果表明，学龄儿童认为IAQ最重要，其次是热舒适、视觉舒适度和声舒适度。

对教育建筑研究的回顾总结：1、教育建筑IEQ权重研究：IEQ方面的重要性和权重不同，这可以通过不同的气候、建筑类型和个体差异来解释。IEQ最重要的方面是热环境、室内空气品质和声环境，最不重要的方面是声环境和视觉环境。IEQ指数根据环境参数、感觉投票或两者的组合进行预测。大多数模型考虑主观和客观的方法来评价IEQ。因为调查的主观性质使其作为评估建筑物IEQ的唯一工具变得复杂。2、教育建筑IEQ重要因素研究：只有少数研究已经考虑到IEQ模型中的相关因素，而大多数研究没有考虑建筑差异（例如通风或窗口类型）。研究采用（多元/非线性）回归法或加权平均法来评估IEQ或整体舒适度。

背景研究：很少有研究调查了儿童在IEQ方面的偏好，也很少有研究将儿童的舒适性纳入到改善课堂IEQ中。作者的早期研究调查了学校IEQ的各个方面，如热舒适、室内空气质量和视觉舒适，然而，目前的研究涉及整体方法，以改善与IEQ相关的整体舒适度。本研究旨在调查英国自然通风教室中儿童在IEQ（热舒适性、室内空气质量和视觉舒适性）各个方面的整体舒适性。

本研究的主要目的是：建议不舒服投票的允许比例；通过调查IEQ的各个方面来开发舒适模型；估计不舒服投票的概率。通过回归方法，基于主观和客观测量，预测了与IEQ相关的总体舒适度。

样本选择：选择样本时特别注意位置、建筑物和观察到的居住者。地方：选择英国温和气候的学校是因为温和气候可以提供建筑物自然通风的机会，正如其他几项研究所支持的，并且可以减少一种极端气候对NV建筑物窗户操作的偏差影响。本研究于2017年7月至2018年5月底在西米德兰考文垂进行，以适应各种环境条件。建筑：在这项研究中，选择了8所小学的32个NV教室，共有5个标准。选定的学校自然通风；学校被选在与主要道路有相当距离的安静区域；在低污染区域选择学校；选择具有不同建筑特征的建筑；在翻新和现有建筑物中选择学校。居住者：选择了初中晚期（9-11岁）的儿童而不是初中早期（6-8岁）的同龄人作为本研究的主要受访者。他们能更好地评估事实，从而提高数据的有效性和结果的一致性。受调查女孩（51%）和男孩（49%）的性别比例大致相同，这可以减少偏见并提高结果的可信度。

本研究采用了作者在早期研究中开发的问卷在52个不同的上午和下午会议上填写了问卷。通过横向抽样，对一年中32天内的805名儿童进行了调查，收集了1359份问卷。为了获得儿童对热环境、室内空气质量、视觉环境和整体舒适度的感觉投票，本研究采用了作者在早期研究中开发的问卷所有问题的有效性和可靠性都通过不同的方法进行测试，包括监测回答过程、统计测试、观察、交叉检查、比较回答以及计算平均值和标准偏差。影响IEQ和舒适度的环境变量每隔5分钟记录一次，然而，本研究对儿童填写问卷时记录的环境变量进行了评估。空气温度、辐射温度、湿度和空气速度由多功能SWEMA设备和独立数据记录器记录，CO2水平由TGE-0011 CO2测量仪记录，照度水平由测光仪记录。使用从现场研究中获得的大型数据库上的回归，基于IEQ评估整体舒适度。在本研究中，使用多元线性回归分析来获得整体舒适度的解释方差。指定在多线性回归模型中应使用哪些变量，进行了相关测试；使用二元逻辑回归来估计不舒服投票的概率。使用社会科学统计软件包（SPSS）对数据进行分析。

对于最佳操作温度，在非供暖季节和供暖季节，建议的舒适温度低于1.9K和2.8K。根据欧洲标准一类建筑物的热舒适温度的可接受范围可延长±2。为了达到最佳室内空气品质，美国采暖、制冷和空调工程师协会标准建议二氧化碳水平为1000 ppm。类似地，EN 建议一类和二类建筑物的二氧化碳水平低于1000 ppm。对于最佳湿度和风速，欧洲标准建议一类建筑物的湿度范围为30–50%，最大风速为0.15 m/s。对于最佳光照水平，BS EN 12464–1:2011建议教室和辅导室的最低光照水平为300 lx，艺术教室的最低光照水平为500 lx，统一眩光等级（UGR）值通常在13到30之间，为了使UGR值保持在16以下以获得更高的舒适度，在本研究中，可接受的光照水平在300 lx和600 lx之间。

在TSV中，只有Cool（55%）和OK（59%）投票支持55%以上的舒适投票。在ASV中，只有非常新鲜（61%）和新鲜（67%）的选票能够容纳55%以上的舒适选票。在VSV中，只有足够（59%）的选票能够容纳55%以上的舒适选票。根据上述分类，该研究比较了感觉组之间舒适投票的频率（%）。当轰动投票占舒适投票的55%以上时，轰动投票被命名为（Y）表示是。当感觉投票获得的舒适度投票少于55%时，评分表被命名为（N）表示否。

图中八组的顺序是基于舒适投票、不舒适投票的频率（%）以及这两种投票之间的差异来表示的。如图所示，第1-4组的不适投票率低于10%，第1-7组的不适投票率低于20%。在第1-4组中，至少有两项投票是可以接受的，但是在第5-8组中，只有一项投票或没有一项投票是可以接受的。可以说，考虑20%的不舒适度作为总体舒适度的标准可能是一种高估，因为这会让IEQ的两个方面不可接受。因此，这项研究提出了10%的允许不适投票标准。为了找出将不舒服的投票保持在10%以下会有多少投票受益，该研究给出了每组投票的频率（N），如上图所示。通过将不适投票从20%（第1-7组）减少到10%（第1-4组），不适投票将从113下降到35，相当于不适投票减少69%，。小学的学生都是敏感的幼儿，他们与成年人在身体和生理上存在差异。这使得他们比成年人更容易受到恶劣环境条件的影响，抵抗力也更低。因此，减少不舒适儿童的数量意义重大。

这部分研究探讨了舒适投票作为因变量与IEQ个人方面作为自变量之间的关系。潜在变量的相关性、回归方程和R2值。根据表10，TSV、ASV、VSV、工作温度（Top）、CO2和空气速度（V）与总体舒适度相关，但是，由于R2值较高，总体舒适度的变化主要由ASV和Top来解释。ASV占整体舒适度变化的8%（R2 0.08），Top占舒适度投票的3%（R2 0.03），表10。R2值显示了模型解释的因变量变化的比例。为了找出整合相关变量如何影响整体舒适度，运行多线性回归模型。两个非标准系数均用于建议可接受。为了运行二元模型，舒适投票分为“舒适”和“不舒适”两组。表12中逻辑模型的回归系数及其显著性表明ASV和Top与总体舒适度相关，如在前面的多线性回归模型中提出。

本研究从IEQ的各个方面（热舒适性、室内空气质量和视觉舒适性）调查了儿童的整体舒适性位于气候温和、背景噪音和污染水平较低的自然通风学校。这项研究强调IEQ对整体舒适性的最重要方面是ASV和Top。IAQ和热环境应一起考虑，以将整体不适感保持在允许的10%以下，这表明在学校建筑中应考虑室内空气品质和热舒适性之间的整合。由于学习的性质是通过各种感官进行的，因此建议保持IEQ的各个方面。但是，对IEQ的某个方面的不满不一定会导致整体不适，除非该方面是极端的y不可接受。调查影响居住者舒适性的最重要因素表明，设计师应优先考虑哪些建筑控制。因此，在本研究中，应将提供室内空气品质和热舒适性的控制列为最高优先级。