MétaCan
Menu
Retour à la cohorte
Enregistrement W2100050548 · doi:10.5539/jsd.v4n3p152

The Carbon Footprint of an East African Forestry Enterprise

2011· article· en· W2100050548 sur OpenAlexvenueno aff
Jacopo Parigiani, Aman A. Desai, Roselyne Mariki, Reid Miner

Notice bibliographique

RevueJournal of Sustainable Development · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesNational Council for Air and Stream ImprovementWorld Bank Group
Mots-clésCarbon footprintRenewable energyAfforestationGreenhouse gasCoalEnvironmental scienceNatural resource economicsFossil fuelElectricityForestryBusinessAgricultural economicsEnvironmental protectionAgroforestryGeographyEconomicsWaste managementEcology

Résumé

récupéré en direct d'OpenAlex

Green Resources AS, a plantation, carbon offset, forest products, and renewable energy company with operations in Eastern Africa, calculated carbon footprints for 2008 and 2009. In both years, the footprint was dominated by removals of CO2 from the atmosphere attributable to afforestation. These removals were more than 17 times the emissions from the company’s value chain. The largest difference between the 2008 and 2009 footprints was due to loss of forest carbon caused by fire. Otherwise, the most important changes in the footprint were related to plantation expansion and growth, and increased output of products in 2009, which caused increases in several types of emissions. The remaining elements of the footprint (manufacturing, forestry operations, transport, and upstream emissions related to non-fibrous inputs, fuels, and electricity) were approximately equal. The use of the charcoal manufactured by the company avoided coal-related emissions equal to approximately one-quarter of the company’s value chain emissions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,207
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'étudeObservationnel
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

Citations12
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207