MétaCan
Menu
← Retour à la cohorte
Enregistrement W2282228504 · doi:10.14288/1.0104505

The geography of energy consumption of the Canadian metals processing industry

2011· article· en· W2282228504 sur OpenAlexaboutno aff
George Anthony Caisley

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionConsumption (sociology)BusinessEconomic geographyGeographyRegional scienceCommerceEngineeringSociologySocial science

Résumé

récupéré en direct d'OpenAlex

This study was initiated (a) to determine the types and quantities of energy consumed by the Canadian metal processing industry on a plant basis, (b) to examine the manner and extent to which the energy consumed varies spatially across Canada and (c) to determine the extent to which the industry contributes to the nation's total energy consumption as well as to its consumption of each energy source. The energy consumption mixes of individual plants were determined either empirically or by estimation from data obtained by a questionnaire and from the technical literature for the comminution, smelting, and refining stages of the lead, zinc, nickel, copper, aluminum, and primary iron and steel industries. The spatial variation of the consumption mixes for each metallurgical process was then delimited and illustrated cartographically. The specific and non-specific energy needs of each industry are identified in terms of the processes used at each production stage. It was found that the types and quantities of energy utilized by each plant depends upon the process’ specific energy needs and the availability of other energy forms. The metal processing industry was found to consume a significant proportion (8.2%) of Canada's energy consumption in 1965. In terms of individual sources of energy the industry consumed 23.4% of the national total consumption of electricity, 14.6% of coal and less than 3% of petroleum and natural gas.

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 enseignants0,018
Score d'incertitude au seuil0,129

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
Bibliométrie0,0030,007
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,198
Écart entre enseignants0,167 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetCultural Industries and Urban Development→Travaux en français237 207→