MétaCan
Menu
Retour à la cohorte
Enregistrement W1892309694 · doi:10.3141/2479-01

Development of the Adoption of Liquefied Natural Gas as a Fuel for Shipping on the Great Lakes

2015· article· en· W1892309694 sur OpenAlexaboutno aff
Richard D. Stewart, Carol J. Wolosz

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Army Corps of EngineersU.S. Department of Energy
Mots-clésLiquefied natural gasNatural gasGovernment (linguistics)OutreachProcess (computing)EngineeringBusinessWaste managementEnvironmental scienceEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

The adoption of the International Maritime Organization's emission control areas by the United States and Canada compelled operators of short sea vessels on the Great Lakes to seek alternatives to current fuel usage. Because of the concurrent discovery and extraction of large quantities of natural gas in the United States and Canada, ship owners have the opportunity to switch to natural gas. Converting to a new fuel is a complex process involving research and changes in operations, engineering, supply chains, and training. The Great Lakes Maritime Research Institute has been involved in a multiyear study supported by government agencies and industry to prepare for the adoption of natural gas as a primary fuel for U.S. vessels on the Great Lakes. This paper discusses the research process, including marine engineering studies, vessel operational issues, investigating regulatory issues, the development of supply chains, public outreach, and the analysis of fuel alternatives for vessels. The environmental benefits that accrue from conversion, as well as the potential operational costs, are compared. Steps in the conversion process, including siting of natural gas liquefaction plants and fuel taxation, are proposed.

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)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,331
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,109
Tête enseignante GPT0,360
Écart entre enseignants0,251 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207