MétaCan
Menu
← Retour à la cohorte
Enregistrement W2578957369 · doi:10.13140/rg.2.1.2328.8086

Collective institutional entrepreneurship for fostering sustainable energy transitions in India

2016· article· en· W2578957369 sur OpenAlexfundno aff
Suyash Jolly

Notice bibliographique

RevueTU/e Research Portal · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesDanish International Development AgencyNederlandse Organisatie voor Wetenschappelijk OnderzoekCanada Excellence Research Chairs, Government of CanadaLappeenranta University of TechnologyCouncil of Scientific and Industrial Research, India
Mots-clésEntrepreneurshipBusinessWork (physics)Sustainable energySustainabilityEconomic systemPolitical scienceEconomic geographyEconomicsRenewable energyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Rapidly developing countries like India face numerous challenges related to social and environmental sustainability which are associated with their fast economic growth and rising energy demand, climate change, and widening disparities between rich and poor.Recently a number of claims have been made in the literature that the prospects of alternative development pathways in emerging economies in Asia are becoming more likely, and that these economies might even leapfrog Western initiatives.This paper contributes by reporting on the five most visible and established initiatives in the area of off-grid solar PV energy in India, specifically honing in on the innovative business models that are evolving.We develop a new typology of upscaling dimensions in order to analyse these five initiatives.They are found to be quite successful, but have difficulty in terms of reaching the poorest of the poor (deep upscaling) and bringing about required institutional change (institutional upscaling).

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,065
Tête enseignante GPT0,310
Écart entre enseignants0,246 · 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'étudeQualitatif
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTU/e Research Portal→Même sujetInnovation and Socioeconomic Development→Travaux en français237 207→