MétaCan
Menu
Retour à la cohorte
Enregistrement W2546208460 · doi:10.1002/atr.1420

Measuring the energy efficiency for airlines under the pressure of being included into the EU ETS

2016· article· en· W2546208460 sur OpenAlexvenueno aff
Qiang Cui, Yi‐Ming Wei, Chen‐lu Yu, Ye Li

Notice bibliographique

RevueJournal of Advanced Transportation · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésEuropean unionEfficient energy useEmissions tradingRange (aeronautics)Greenhouse gasService (business)BusinessEnvironmental economicsEconomicsEngineeringEconomyInternational tradeElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Summary In 2008, European Union (EU) announced that from 2012, each international flight taking off and landing in EU would be given an emission permit. Therefore, the period of 2008–2012 can be regarded as a buffer period for global airlines. Although EU formally decides to exclude non‐EU airlines from the EU Emission Trading System on March 4, 2014, it is necessary to investigate the impacts of the policy on airline energy efficiency in this period. Airline energy efficiency is divided into three stages—operations stage, service stage, and sales stage—and Greenhouse gas emission is treated as an undesirable output of service stage. Two models, network range‐adjusted measure model with weak disposability and network range‐adjusted measure model with strong disposability, are established to evaluate the efficiencies of 22 international airlines from 2008 to 2012. The results show that (i) most airlines' efficiencies have decreased in the period, and the EU Emission Trading System is not effective for the efficiency improvement; (ii) the average efficiency of European airlines is almost the same as that of non‐European airlines; and (iii) the model with weak disposability is more reasonable in distinguishing efficiency differences, while strong disposability is a more reasonable way in treating undesirable outputs. Copyright © 2016 John Wiley & Sons, Ltd.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,335
Écart entre enseignants0,294 · 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

Citations31
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetEfficiency Analysis Using DEATravaux en français237 207