MétaCan
Menu
Retour à la cohorte
Enregistrement W2121990058 · doi:10.24908/pceea.v0i0.3958

REDUCING GLOBAL WARMING THROUGH ADVANCED VEHICLE DESIGN

2011· article· en· W2121990058 sur OpenAlexaffvenue
R. L. Evans

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPropulsionCombustionMiles per gallon gasoline equivalentAutomotive engineeringFossil fuelGlobal warmingInternal combustion engineEnvironmental scienceRange (aeronautics)Green vehicleBattery electric vehicleFuel efficiencyElectric vehicleEngineeringPower (physics)Waste managementClimate changeAerospace engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Global warming has been identified as one of the most important problems facing mankind in the 21st century. Currently, some 6 gigatonnes of CO2 are emitted each year as a result of the combustion of fossil fuels, and a large fraction of these emissions originate from the transportation sector. By examining the complete energy conversion chain, the choice of primary energy source for any particular application becomes easier to understand. A discussion of alternatives to the internal combustion engine as the sole power source for vehicular propulsion is presented, and some form of hybrid electric vehicle propulsion system is identified as being a likely choice to reduce fossil fuel consumption, and therefore CO2 emissions from the transportation sector. The demonstrated market success of grid-independent hybrid vehicles may be followed by a new design of “plug-in hybrid” vehicles in which it is possible to travel for up to 100 km in an all-electric mode, while maintaining the option of using an internal combustion engine when greater range between charging cycles is required.

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)0,000
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,008
Tête enseignante GPT0,189
Écart entre enseignants0,181 · 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
GenreAutre

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

En bref

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetElectric Vehicles and InfrastructureTravaux en français237 207