MétaCan
Menu
Retour à la cohorte
Enregistrement W2509216505 · doi:10.1021/acs.est.6b01066

Setting the System Boundaries of “Energy for Water” for Integrated Modeling

2016· article· en· W2509216505 sur OpenAlexaff
Page Kyle, Nils Johnson, Evan Davies, David L. Bijl, Ioanna Mouratiadou, Michela Bevione, Laurent Drouet, Shinichiro Fujimori, Yaling Liu, Mohamad Hejazi

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesBiological and Environmental Research
Mots-clésEnergy systemEnergy (signal processing)Environmental scienceSystems engineeringComputer scienceEngineeringRenewable energyPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

M any studies over the last two decades have addressed the "water-energy nexus," generally defined as the interdependency between water and energy in their supply, processing, distribution, and use.The research community currently disaggregates the water-energy nexus into two components: "water for energy" and "energy for water."While there seems to be clear consensus on the definition of "water for energy"that is, water required for the extraction, processing, and transformation of energy as well as the irrigation of bioenergythere has been less agreement on the definition and system boundaries of "energy for water."We represent six integrated assessment modeling teams presently incorporating the hydrologic system and water demands into existing global models of energy, agriculture, land use, and climate.In this article, we propose system boundaries of "energy for water" that are appropriate for integrated energy and water modeling, and introduce a third category of processes that are relevant for the water-energy nexus, but that are not logically classified as either "water for energy" or "energy for water."

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0040,008
Science ouverte0,0030,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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'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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207