MétaCan
Menu
Retour à la cohorte
Enregistrement W2567237568 · doi:10.6000/1929-6002.2016.05.04.4

Toward Resilient, Inclusive and Vital Technological Infrastructures for the Energies of the Landscape

2016· article· en· W2567237568 sur OpenAlexvenueno aff
Filippo Angelucci

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Architectural engineeringEnvironmental resource managementEnvironmental scienceComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Today, the implementation of energy infrastructure needs a complex â"dialogue" between two apparently different aspects: technical aspects that characterize the processes of production and transformation of energy for the territory, and socio-ecological aspects related to the biological, organizational, and economic variables for cultural, creative, and productive energies of the territory. This new dimension of designing and building the energy infrastructures replaces to the classic esthetical idea of the landscape an integrated vision of human habitat in which innovations play a key role for the redefinition of relationships between téchne, bios and oikos. On these subjects, this article proposes a reflection on a methodological approach to re-think energy infrastructures as technological-environmental interfaces between land resources, energy needs, living dynamics, and inhabiting practices of territories and cities. Four possible scenarios are presented starting from some research experiences developed on Italian Abruzzo region. Through these experiences, emerges a new strategic, tactic and operational framework for the design of energy infrastructures. A new design framework in which energy infrastructures can contribute to re-build relations and connections between the acceptance/correlation of technological innovations and resilience, inclusiveness and vitality of the landscape.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,416
Score d'incertitude au seuil0,228

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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'étudeThéorique ou conceptuel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetSmart Cities and TechnologiesTravaux en français237 207