MétaCan
Menu
Retour à la cohorte
Enregistrement W2802255188 · doi:10.2495/sdp-v13-n5-746-757

Towards a sustainable oil supply: A risk diversification model to measure oil security risk in Japan and South Korea

2018· article· en· W2802255188 sur OpenAlexvenueno aff
Ming Qi, Yumo Yang

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy Security and Policy
Établissements canadiensnon disponible
Organismes subventionnairesScience Foundation of China University of Petroleum, BeijingChina University of Petroleum, Beijing
Mots-clésDiversification (marketing strategy)BusinessOil supplySustainable developmentMeasure (data warehouse)Natural resource economicsEnvironmental planningEnvironmental scienceEconomicsPetroleum engineeringMarketingEngineeringComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

This paper proposes a quantitative optimization model to investigate the oil supply risk from the perspective of the diversification of oil import sources.Japan and South Korea are highly dependent on oil imports from foreign countries.Both countries are seeking sustainable strategies to ensure a continuous and stable oil supply.Effective diversification of crude oil imports plays an important role in energy security.The optimization results imply that Japan faces the highest oil import risk.Japan should reduce oil imports from Saudi Arabia and the UAE.Instead, Japan should import more oil from Russia and Iraq.South Korea should reduce its oil dependence on the Persian Gulf countries.Based on forecasts of oil demand and production, Japan and South Korea will have lower oil supply risks until 2035.It can be attributed to the decreased oil imports and improved energy efficiency for both countries under individual energy efficiency programs.The Middle East countries maintain the dominant positions in oil imports for both Japan and South Korea.Saudi Arabia will remain the largest supplier to both countries.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetGlobal Energy Security and PolicyTravaux en français237 207