MétaCan
Menu
Retour à la cohorte
Enregistrement W2133785172 · doi:10.6000/1929-6002.2013.02.03.2

The Emergence of Low Carbon Energy Autonomy in Isolated Communities

2013· article· en· W2133785172 sur OpenAlexvenueno aff
Callum Rae, Fiona F. Bradley

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutonomyEnergy supplyEnvironmental economicsEnergy (signal processing)Process (computing)BusinessEnergy policyEconomic systemNatural resource economicsEnvironmental resource managementEconomicsEngineeringPolitical scienceRenewable energyComputer scienceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This study examines the concept of switching from a centralised energy supply model towards a more autonomous model based on the use of low carbon technologies, from the viewpoint of isolated communities in the industrialised world. The study begins by establishing the importance of isolated communities within the field of energy research, and examining the concept of low carbon energy autonomy. It then analyses a number of exemplary case studies from across Europe, all of which have adopted (or are in the process of adopting) a highly autonomous energy supply model based on the use of low carbon technologies. The communities studied exhibit many of the theoretical challenges and opportunities associated with low carbon energy autonomy, including the potential for stimulating socio-economic development. They also highlight the need for a supportive and structured policy framework and more transparent routes to project funding, in order to lessen the reliance for the success of such projects upon motivated community groups. The role of academia and its relationship with industry was found to be important and the findings call for much greater transparency and knowledge sharing between key stakeholders to facilitate increased development and deployment of low carbon energy autonomy in the future.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,006
Tête enseignante GPT0,202
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 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetEnergy and Environment ImpactsTravaux en français237 207