MétaCan
Menu
Retour à la cohorte
Enregistrement W2087903107 · doi:10.1177/0270467602022004004

Fuel Cell Cars: Panacea or Pipe Dream?

2002· article· en· W2087903107 sur OpenAlexaff
Shahram Karimi, F. R. Foulkes

Notice bibliographique

RevueBulletin of Science Technology & Society · 2002
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHydrogen vehicleHydrogen fuel enhancementBrake specific fuel consumptionCombustionHydrogen fuelInternal combustion engineHydrogen economyAutomotive engineeringFuel efficiencyEnvironmental scienceFuel cellsHydrogenAuxiliary power unitGreen vehicleWaste managementEngineeringChemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Hydrogen fuel cells are likely to begin replacing conventional internal combustion engines as a power generation method for transportation applications in the near future. A life cycle analysis of a hydrogen fuel cell was performed to examine the major environmental impacts of such an engine in comparison with an internal combustion engine. To quantify the emissions, material consumption and energy consumption were identified by carrying out mass and energy balances, respectively. Wherever possible, a “well-to-wheel” approach was adopted to identify all the processes involved. The size of the hydrogen fuel cell engine selected was 60 kW, which would power a small automobile weighing around 800 kg. This report briefly describes the materials and processes involved in assembling such an engine, with their respective environmental impacts. Different technologies to build a hydrogen economy also are discussed because hydrogen is an integral part of most fuel cell engines. The main conclusion is that if an environmentally sustainable system of hydrogen production is found, the use of hydrogen and, in turn, hydrogen fuel cell cars would be highly beneficial. Thus, the theoretical potential of fuel cells is great for environmental benefits, but practical applications might prove otherwise.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0050,017
Science ouverte0,0010,003
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,011

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 Opus0,014
Tête enseignante GPT0,216
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Science Technology & SocietyMême sujetHybrid Renewable Energy SystemsTravaux en français237 207