MétaCan
Menu
Retour à la cohorte
Enregistrement W3024949366

Methodological Lessons for Participatory Modeling

2018· article· en· W3024949366 sur OpenAlexaboutno aff
Andrew Ford

Notice bibliographique

RevueScholarsArchive (Brigham Young University) · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitizen journalismComputer scienceEpistemologySociologyPolitical scienceWorld Wide WebPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper describes the modeling process in a simulation study of compressed air energy storage for the large power system in Ontario, Canada. The study is fully documented in a White Paper from NRStor Inc, the storage developer. This paper focuses on the participatory modeling process. It began with discussions within the NRStor team, followed by meetings with power systems managers and staff. The participating stakeholders grew in number, eventually represented generating companies, the system operator, regulators, energy ministry staff and advocates for utility customers and for the environment. Most of the stakeholders were accustomed to computer modeling, as the agencies used dozens of highly detailed models. But the stakeholders were not accustomed to the system dynamics approach to tie the pieces of system together, nor were they accustomed to the participatory discussions which were encouraged by speed and clarity in the modeling. The methods to achieve speed and clarity will be illustrated at the conference with live demonstrations. The key to speed was the use of separate, but interconnected models for short-term operations along side the model of long-term trends. The key to clarity was an interface designed for (1) clear graphical displays of results in formats familiar to stakeholders and (2) convenient input controls and navigation to allow instant responses to participants suggestions. The stakeholders had many suggestions to expand and improve the model. The improvements were quickly implemented, and new meetings followed shortly thereafter. New simulations would trigger more discussions and more requests for further improvements, with stakeholders particularly interested in adding CO2 emissions to the model. The modeling process led to increased understanding for both groups: the development team gained a better understanding of the power system, and the agency participants gained new understanding of the value of compressed air energy storage and the best strategy to sustain Ontario’s success in limiting CO2 emissions.

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)0,129
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,681

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1290,108
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0170,066
Communication savante0,0160,023
Science ouverte0,0070,014
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,650
Tête enseignante GPT0,535
Écart entre enseignants0,115 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarsArchive (Brigham Young University)Même sujetCommunity Health and DevelopmentTravaux en français237 207