The use of the shap algorithm in building energy efficiency: a bibliometric analysis

Abstract

The application of artificial intelligence algorithms as a method in energy-efficient building design is becoming increasingly important. Machine learning algorithms are used as an effective method for optimizing building energy consumption and creating prediction models. However, the interpretability and effective explainability of these artificial intelligence algorithms are limited. In studies conducted in the literature, the Shapley Additive Explanations (SHAP) algorithm enables the interpretation of these unexplained prediction models. Thus, it provides a powerful explanation of the effects of design variables. This study aims to provide researchers with a systematic review of the SHAP algorithm, one of the interpretable machines learning approaches, using a bibliometric approach in energy performance prediction and evaluation. In this context, 346 studies published between 2016 and 2025 were identified using the Scopus database in the first stage. Subsequently, only studies published in English were examined. A bibliometric analysis was conducted on 342 studies published between 2019 and 2025. The bibliometric analysis was performed using the VOSviewer software tool. This analysis evaluated the trends of the SHAP algorithm in the field of building energy efficiency in terms of countries, institutions, journals, author collaborations, publication years, and keyword relationships. The results of the study indicate that SHAP is becoming increasingly popular in the field of building energy efficiency and is being used in conjunction with different machine learning algorithms. This study aims to guide future research by revealing the current status and trends of the SHAP algorithm in the field of building energy efficiency.Enerji verimli bina tasarımında yapay zekâ algoritmalarının uygulanması giderek daha önemli hale gelmektedir. Makine öğrenimi algoritmaları, bina enerji tüketimini optimize etmek ve tahmin modelleri oluşturmak için etkili bir yöntem olarak kullanılmaktadır. Ancak, bu yapay zekâ algoritmalarının yorumlanabilirliği ve etkili açıklanabilirliği sınırlıdır. Literatürde yapılan çalışmalarda, Shapley Additive Explanations (SHAP) algoritması, bu açıklanamayan tahmin modellerinin yorumlanmasını mümkün kılmaktadır. Böylece, tasarım değişkenlerinin etkilerine ilişkin güçlü bir açıklama sunmaktadır. Bu çalışma, enerji performansının tahmini ve değerlendirmesinde bibliyometrik bir yaklaşım kullanarak, yorumlanabilir makine öğrenimi yaklaşımlarından biri olan SHAP algoritmasının sistematik bir incelemesini araştırmacılara sunmayı amaçlamaktadır. Bu bağlamda, ilk aşamada Scopus veri tabanı kullanılarak 2016 ile 2025 yılları arasında yayınlanan 346 çalışma tespit edilmiştir. Sonrasında, sadece İngilizce dilinde yayınlanmış çalışmalar incelenmiştir. 2019 ile 2025 yılları arasında yayınlanan 342 çalışma üzerinde bibliyometrik analiz yapılmıştır. Bibliyometrik analiz, VOSviewer yazılım aracı kullanılarak gerçekleştirilmiştir. Bu analiz, SHAP algoritmasının bina enerji verimliliği alanındaki eğilimlerini ülkeler, kurumlar, dergiler, yazar iş birlikleri, yayın yılları ve anahtar kelime ilişkileri açısından değerlendirmiştir. Çalışmanın sonuçları, SHAP'ın bina enerji verimliliği alanında giderek daha popüler hale geldiğini ve farklı makine öğrenimi algoritmalarıyla birlikte kullanıldığını göstermektedir. Bu çalışma, bina enerji verimliliği alanında SHAP algoritmasının mevcut durumunu ve eğilimlerini ortaya koyarak gelecekteki araştırmalara rehberlik etmeyi amaçlamaktadır.