MétaCan
Menu
Retour à la cohorte
Enregistrement W2127294367 · doi:10.5547/issn0195-6574-ej-vol32-si1-4

Modeling Efficiency Standards and a Carbon Tax: Simulations for the U.S. using a Hybrid Approach

2011· article· en· W2127294367 sur OpenAlexaff
Rose Murphy, Mark Jaccard

Notice bibliographique

RevueThe Energy Journal · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasCarbon taxEfficient energy useEnvironmental economicsEconomicsOrder (exchange)Energy consumptionEnergy conservationConsumption (sociology)Energy taxNatural resource economicsPublic economicsTax reformEngineering

Résumé

récupéré en direct d'OpenAlex

Analysts using a bottom-up approach have argued that a large potential exists for improving energy efficiency profitably or at a low cost, while top-down modelers tend to find that it is more expensive to meet energy conservation and greenhouse gas (GHG) reduction goals. Hybrid energy-economy models have been developed that combine characteristics of these divergent approaches in order to help resolve disputes about costs, and test a range of policy approaches. Ideally, such models are technologically explicit, take into account the behavior of businesses and consumers, and incorporate macroeconomic feedbacks. In this study, we use a hybrid model to simulate the impact of end-use energy efficiency standards and an economy-wide carbon tax on GHG emissions and energy consumption in the U.S. to the year 2050. Our results indicate that policies must target abatement opportunities beyond end-use energy efficiency in order to achieve deep GHG emissions reductions in a cost-effective manner. doi: 10.5547/ISSN0195-6574-EJ-Vol32-SI1-4

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

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

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 Opus0,188
Tête enseignante GPT0,268
Écart entre enseignants0,080 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Energy JournalMême sujetClimate Change Policy and EconomicsTravaux en français237 207