An Analysis of Interactive Solar Energy Web Maps for Urban Energy Sustainability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Maps and geographic information systems (GIS) have become vital tools for decision-making, communication, and outreach in the domain of urban energy sustainability. One emerging example involves interactive online maps that allow users to assess rooftop solar energy potential on a building of interest. These maps are interesting in two ways: they are new forms of technology in and of themselves, and they have only become relevant with the changes in renewable energy technologies that allow individuals to participate in this new economy of energy production. The purpose of this study is to describe and analyze the cartographic representation and functionality of urban-scale solar energy maps in the United States. Using competitive analysis, we assess twelve interactive online maps to understand their: (1) design, (2) usage of visual variables and interaction operators, and (3) content, purpose, and goals. Across these three types of assessment, we find both a wide variety as well as some consistent themes. Our results also show that some maps followed cartographic conventions (Brewer 2016; Slocum et al. 2009) while others did not. Through our analysis we develop a set of best practices that can be used to improve the effectiveness and widen the functionality of online solar energy maps. In particular, we make recommendations on how to develop future online, interactive renewable energy maps in a way that keeps the end user in mind while communicating relevant information to a broader range of stakeholders involved in urban energy sustainability (homeowners, utility operators, city officials, and urban planners).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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