MétaCan
Menu
Retour à la cohorte
Enregistrement W2170758574 · doi:10.1109/eicccc.2006.277236

Hydrogen Systems: A Canadian Opportunity for Greenhouse Gas Reduction and Economic Growth

2006· article· en· W2170758574 sur OpenAlexaffabout
Melissa Dyck, Matthew Fairlie, Roderick McMillan, Vesna Scepanovic

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensHydrogenics (Canada)Natural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasPer capitaHydrogen economyHydrogenHydrogen fuelGovernment (linguistics)Environmental economicsEnvironmental scienceComputer scienceChemistryEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Achieving stabilization in atmospheric carbon dioxide (CO2) levels calls for per capita reductions in excess of 50% from today's levels in the next half century. Hydrogen systems could provide both immediate and long-term emission reductions to achieve this goal. The emission benefits of hydrogen technologies derive not just from the increased efficiency associated with hydrogen-based energy conversion processes such as fuel cells, but also from the consideration of hydrogen as an energy carrier and industrial feedstock within a larger energy system. Because of our abundant energy resources and leadership in hydrogen technologies, Canada is well positioned to lead in the transition to a hydrogen economy. This paper looks at strategies for the transition to hydrogen-based energy systems that were developed through workshops involving 60 representatives from Canadian industry, government and academia. The purpose of these workshops was to: examine near-term technologies; determine whether the development of hydrogen technologies could be accelerated within the time frame for greenhouse gas (GHG) reductions in Canada's Project Green initiative, yielding a "visible" contribution at reasonable cost (> IMT reduction in CO2equivalent emissions); and establish a direction for future energy processes that will address the need for far greater emission reductions 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 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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,346

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,002
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 GPT0,179
Écart entre enseignants0,169 · 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

Citations3
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207