MétaCan
Menu
Retour à la cohorte
Enregistrement W2019609306 · doi:10.2298/tsci120127060c

New directions in development of city energy systems

2012· article· en· W2019609306 sur OpenAlexaboutno aff
Branko Crncevic

Notice bibliographique

RevueThermal Science · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMegacityPopulationWorld populationGeographyGlobeWitnessPopulation growthEconomic growthRural areaEconomyPolitical scienceDemographySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

At the world level, the 20th century saw an increase from 220 million urbanites in 1900 to 2.84 billion in year 2000. The present century will match this absolute increase in about four decades. Developing regions, as a whole, will account for 93% of this growth [1]. Until now humankind has lived and worked primarily in rural areas. But the world is about to leave its rural past behind. Today we are witness, for the first time, that more than half of the globe?s population is living in towns and cities. The number and proportion of urban dwellers will continue to rise quickly. Urban population will grow to 4.9 billion by 2030. At the global level, all of future population growth will be in towns and cities [1]. Two centuries ago there was only one city on the planet that could say it had a million inhabitants - that was London. Today more than 400 cities can boast that - 408 to be precise, according to the Earth Policy Institute. But today a population of 1 million people means nothing; we are moving into the era of megacities of 10 million (and more) people. Today, there are 20 so-called megacities, whose population, and therefore energy needs, easily exceed some countries population, according to Earth Policy Institute. More people now live in Tokyo than Canada, for example [2]. Despite only occupying 2% of the world's surface area, they are responsible for 75% of the world's energy consumption.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,005
Communication savante0,0100,014
Science ouverte0,0030,006
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0800,014

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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal ScienceMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207