MétaCan
Menu
Retour à la cohorte
Enregistrement W2006688686 · doi:10.1021/es8014088

Expert Assessments of Future Photovoltaic Technologies

2008· article· en· W2006688686 sur OpenAlexaff
Aimee E. Curtright, M. Granger Morgan, David W. Keith

Notice bibliographique

RevueEnvironmental Science & Technology · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Renewable Energy LaboratoryCarnegie Mellon UniversityNational Science Foundation
Mots-clésPhotovoltaic systemSoftware deploymentIncentiveEnvironmental economicsSubsidyOddsProbabilistic logicRenewable energyElectricityScale (ratio)EconomicsBusinessPublic economicsMarketingIndustrial organizationComputer scienceMicroeconomicsEngineeringLogistic regressionElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Subjective probabilistic judgments about future module prices of 26 current and emerging photovoltaic (PV) technologies were obtained from 18 PV technology experts. Fourteen experts provided detailed assessments, including likely future efficiencies and prices under four policy scenarios. While there is considerable dispersion among the judgments, the results suggest a high likelihood that some PV technology will achieve a price of $1.20/Wp by 2030. Only 7 of 18 experts assess a better-than-even chance that any PV technology will achieve $0.30/Wp by 2030; 10 of 18 experts give this assessment by 2050. Given these odds, and the wide dispersion in results, we conclude that PV may have difficulty becoming economically competitive with other options for large-scale, low-carbon bulk electricity in the next 40 years. If $0.30/Wp is not reached, then PV will likely continue to expand in markets other than bulk power. In assessing different policy mechanisms, a majority of experts judged that R&D would most increase efficiency, while deployment incentives would most decrease price. This implies a possible disconnect between research and policy goals. Governments should be cautious about large subsidies for deployment of present PV technology while continuing to invest in R&D to lower cost and reduce uncertainty.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,056
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,046
Tête enseignante GPT0,254
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations132
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetClimate Change Policy and EconomicsTravaux en français237 207