Supply Considerations for Scaling Up Clean Cooking Fuels for Household Energy in Low‐ and Middle‐Income Countries
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
Promoting access to clean household cooking energy is an important subject for policy making in low- and middle-income countries, in light of urgent and global efforts to achieve universal energy access by 2030 (Sustainable Development Goal 7). In 2014, the World Health Organization issued "Guidelines for Indoor Air Quality: Household Fuel Combustion", which recommended a shift to cleaner fuels rather than promotion of technologies that more efficiently combust solid fuels. This study fills an important gap in the literature on transitions to household use of clean cooking energy by reviewing supply chain considerations for clean fuel options in low- and middle-income countries. For the purpose of this study, we consider electricity, liquefied petroleum gas (LPG), alcohol fuels, biogas, and compressed biomass pellets burned in high performing gasifier stoves to be clean fuel options. Each of the clean fuels reviewed in this study, as well as the supply of electricity, presents both constraints and opportunities for enhanced production, supply, delivery, and long-term sustainability and scalability in resource-poor settings. These options are reviewed and discussed together with policy and regulatory considerations to help in making these fuel and energy choices available and affordable. Our hope is that researchers, government officials and policy makers, and development agencies and investors will be aided by our comparative analysis of these clean household energy choices.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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