MétaCan
Menu
Retour à la cohorte
Enregistrement W2473098304

RENEWABLE ENERGY IN NIGERIA: A PEEP INTO SCIENCE, A CONCLUSION ON POLICY

2015· article· en· W2473098304 sur OpenAlexaff
Temitope Tunbi Onifade

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRenewable energyHydropowerNatural resource economicsFeed-in tariffEnergy policyFossil fuelEnergy subsidiesBusinessEconomicsRenewable energy creditEngineeringWaste management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Many scholars and other stakeholders trace environmental problems facing many oil-rich jurisdictions to the current fossil fuel energy regime that oil-dependent economies rely on. In a quest for ways to reduce environmental problems, an examination of the situation and prospects of renewable energy as a complement, and where possible an alternative, to fossil fuel in an oil-dependent jurisdiction such as Nigeria is necessary. The literature on renewable energy and related topics has not sufficiently answered questions on why renewable energy has failed to thrive despite the interests governments have shown in it. Nigeria’s renewable energy sector can succeed only if stakeholders develop jurisdictionspecific policy frameworks addressing current renewable energy challenges. A peep into the scientific literature on renewable energy reveals facts and figures specific to different geographical zones in Nigeria, informing the right course of action for renewable energy policy and business in the country. Nigeria has commercially exploited hydropower and commenced exploiting solar energy, but has not exploited wind energy, bioenergy, and geothermal energy considerably despite their prospects across the geographical zones of the country. Nigeria should fill this gap by developing suitable jurisdictionspecific policy instruments and institutional frameworks.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,644
Score d'incertitude au seuil0,926

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,014
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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'étudeSans objet
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOil, Gas, and Environmental IssuesTravaux en français237 207