MétaCan
Menu
Retour à la cohorte
Enregistrement W2999489503 · doi:10.1007/s13437-019-00191-x

The costs of icebreaking services: an estimation based on Swedish data

2020· article· en· W2999489503 sur OpenAlexaboutno aff
Eva Lindborg, Peter Andersson

Notice bibliographique

RevueWMU Journal of Maritime Affairs · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesLinköpings Universitet
Mots-clésNautical mileMarginal costMileCost estimateEngineeringTransport engineeringOperations researchEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract In winter, the sea around Sweden and Finland as well as parts of the waters around Canada, Russia and the USA become ice covered, and ships may require assistance from icebreakers to proceed to their destinations. This paper accordingly analyses the cost structure and estimates the cost of icebreaking operations at sea, including the costs of external effects of the icebreakers’ emissions, and analyses the consequences of different pricing schemes for financing icebreaking services. A regression analysis was carried out based on data from icebreaking services in Sweden over 14 winters from 2001/2002 to 2015/2016. The social marginal cost of an average assistance operation (which may involve more than one ship) is estimated at EUR 6476 and for each assisted ship EUR 5304. The same cost is EUR 907 per running hour for the icebreakers and EUR 1990 per hour a ship is assisted. Each additional nautical mile sailed by an icebreaker costs society EUR 141 and each assisted nautical mile EUR 234. The marginal cost is found not to be related to winter severity. Despite the significant social marginal costs, not including large fixed costs, icebreaking in Sweden and Finland is free of charge. The advantages and disadvantages of four pricing models that can be applied to cover at least parts of the costs to society are discussed. All models could create new distortions, but a price per assisted hour may be worth applying in practice.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,085
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,043
Tête enseignante GPT0,330
Écart entre enseignants0,287 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWMU Journal of Maritime AffairsMême sujetArctic and Russian Policy StudiesTravaux en français237 207