Notice bibliographique
Résumé
Renewable energies such as solar and wind are now widely accepted as possible future energy sources to enhance the energy demands and support the intense desire to reduce the worldwide carbon footprint. Over the last few years, renewable energy sources have won the legislative support of governments in several countries. The main reason for this boom is the need to use alternative energy sources, to fossil fuel, which are free of CO2 emissions and contamination. Unfortunately there are no renewable energy sources that can currently account for zero carbon footprints due to the fact that it is divided into two elements direct and indirect. The direct or primary carbon footprint is related to the CO2 emitted when burning fossil fuels in such areas as transportation and domestic energy consumption. As well as the direct carbon footprint which is universally accepted, there is also an indirect or secondary element which is associated with the life cycle of the products. The problem is how can this indirect carbon footprint be considered or included when discussing the total impact of renewable energy sources. Life Cycle Assessment is a method used to identify the main types of impact on the environment a wind turbine can cause throughout its 20 year life of operation. Emissions produced while wind turbines are in operation in addition to factors from the start of the manufacturing process to the last stage where dismantling is required at end-of-life. Life cycle assessment showed that wind turbines are not carbon neutral as they have an indirect carbon footprint. However, when compared with traditional energy sources the carbon footprint for non-traditional energy forms is still significantly limited.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».