MétaCan
Menu
Retour à la cohorte
Enregistrement W2287685616 · doi:10.14288/1.0089005

Canadian energy use and greenhouse gas emissions in the 1980’s and 1990’s : decomposition of changes, extrapolation of trends and comparison to other oecd countries

2009· article· en· W2287685616 sur OpenAlexaboutno aff
Deborah Marie Herbert

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtrapolationGreenhouse gasEnvironmental scienceDecompositionAtmospheric sciencesNatural resource economicsEconomicsMathematicsStatisticsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

This thesis examines energy use in Canada in the early to mid-1980's to mid-1990's to investigate what factors caused energy use and greenhouse gas emissions to rise. Trends from this period in energy use and fuel mix are also projected to the years 2000 and 2010. In addition, Canada is compared to 12 other OECD countries to determine whether differences in climate, geography and industrial structure account for differences in absolute and per capita energy use between Canada and these countries. Changes in activity were the main drivers of the increases in energy use and greenhouse gas emissions in the 1980's and 1990's. This influence was partially offset by declines in energy intensity. Structural changes tended to have a less profound impact. Based on trends from this period, both energy use and greenhouse gas emissions will continue rising. More positively, there already are trends towards less greenhouse gas-intensive fuels in some sectors. Climate, geography and industrial structure do not account for differences in per capita energy use between Canada and other industrialized countries. The one exception is the United States. This implies that, with the exception of the U.S., Canada is relatively less energy efficient than other industrialized countries.

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)0,001
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 enseignants0,046
Score d'incertitude au seuil0,336

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0100,021
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,189 · 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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)Même sujetEnvironmental Impact and SustainabilityTravaux en français237 207