MétaCan
Menu
Retour à la cohorte
Enregistrement W1811784865

Consumers’ Willingness to Pay for Electricity from Renewable Energy Sources, Queensland, Australia

2012· article· en· W1811784865 sur OpenAlexaboutno aff

Notice bibliographique

RevueDergiPark (Istanbul University) · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyWillingness to payQuarter (Canadian coin)ElectricityEnvironmental economicsPaymentBusinessAffect (linguistics)Feed-in tariffElectricity generationMains electricityNatural resource economicsEnergy policyPublic economicsEconomicsAgricultural economicsEngineeringPower (physics)FinanceGeographyMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The results of a survey of Queensland households regarding their willingness to pay (WTP) for renewable energy and support the Mandatory Renewable Energy Target (MRET) policy are presented. Results suggest that respondents were willing to pay more for the electricity generated from the renewable energy for several reasons including the emissions reduction and the benefits of future generations. On average the respondents were willing to pay about $22/quarter to support the increase in electricity generation from renewable energy sources in support of the MRET. The mean for voluntary contributions to increase the generation of electricity from renewable energy sources was $28/quarter. Furthermore, the respondents who hold the perception that a particular electricity generation technology does negatively affect the environment had a significantly different WTP compared to respondents holding the perceptions that the technology does not negatively affect the environment. Finally, respondents were willing to pay significantly more if voluntary payments were made possible compared to the MRET imposts. Therefore, the consumer driven purchases can, in part, support the future of renewable generation capacity in Queensland. However, the reliance upon other policy alternatives may be needed. The results indicate that a more effective renewable energy policy reflecting these preferences can be put in place.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,075
Tête enseignante GPT0,200
Écart entre enseignants0,126 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDergiPark (Istanbul University)Même sujetEconomic and Environmental ValuationTravaux en français237 207