Barriers to energy efficiency and the uptake of green revolving funds in Canadian universities
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to investigate the barriers to the implementation of energy efficiency projects in Canadian universities, including access to capital, bounded rationality, hidden costs, imperfect information, risk and split incentives. Methods to address these barriers are investigated, including evaluating the efficacy of revolving funds. Design/methodology/approach – Senior administrators of 15 Canadian universities were interviewed, making use of both structured and open-ended questions. As university executives and senior technical directors are responsible for investment in energy efficiency at Canadian universities, these individuals were the focus of our study. Findings – The results offer a curious contradiction. While “Access to Capital” was found to be the largest barrier to energy efficiency in Canadian universities, and while respondents agreed that green revolving funds are both an effective method to address these capital funding constraints, and may be an effective method to implement energy conservation projects at their university, only 2 out of the 15 universities interviewed and 7 out of the 98 universities in Canada currently make use of a green revolving fund. A general reluctance at Canadian universities to formalize processes to prioritize energy efficiency limits the associated benefits of mechanisms such as revolving funds to institutionalize energy efficiency and reduce long-term energy use. Practical implications – To provide insights into barriers to energy efficiency in universities and methods to address them, including the efficacy of revolving funds. Originality/value – This research is one of the first to investigate the efficacy of revolving funds to confront barriers to energy efficiency. The findings, implications and recommendations are valuable to organizations, university administrators, researchers and practitioners implementing energy efficiency measures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,014 | 0,006 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».