MétaCan
Menu
Retour à la cohorte
Enregistrement W2921867562 · doi:10.3390/su11061627

Global Shale Revolution: Successes, Challenges, and Prospects

2019· article· en· W2921867562 sur OpenAlexaboutno aff
Valery I. Salygin, Igbal Guliev, Natalia A. Chernysheva, Elizaveta S. Sokolova, N.V. Toropova, Larisa Egorova

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueCoal and Coke Industries Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOil shaleDirectional drillingChinaEstimationPetroleum industryShale gasNatural resource economicsFossil fuelBusinessShale oilUnconventional oilDrillingPetroleum engineeringEconomyEnvironmental scienceGeographyEconomicsEngineeringEnvironmental engineeringWaste management

Résumé

récupéré en direct d'OpenAlex

This study reveals the current problems and prospects of developing shale oil and gas industries in the USA, Canada, Mexico, Poland, Russia, China, India, and Australia. This approach allows a comprehensive and wide view on the industry and its geography. A brief review of the technologies implemented in the shale industry is provided. The key aim of the paper is to compare the hydrocarbon market conjuncture and economic environment (including financial), in the above-mentioned states, in order to reveal the factors contributing to the development of the industry. The methodology is based on the statistical estimation of the extraction, exports, and reserves of extractable shale hydrocarbons. The analysis given allows the forecast and estimation of the economic effects and external institutional effects of shale hydrocarbon extraction. It also contributes to the evaluation of the prospects of shale industry development in America, the EU, Russia, and the Asia-Pacific region. In accordance with the overall impact the shale revolution has had on the economies, environmental conditions, and societies of the chosen countries, recommendations are provided. The authors develop three scenarios for the future of the shale industry. The most probable scenario is a slower dissemination of horizontal drilling, as well as tight oil and shale gas extraction, with the decline of conventional reserve volumes.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,432
Score d'incertitude au seuil0,511

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,279
Écart entre enseignants0,263 · 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'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

Citations54
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCoal and Coke Industries ResearchTravaux en français237 207