MétaCan
Menu
Retour à la cohorte
Enregistrement W3035099536 · doi:10.2800/16180

Fluorinated greenhouse gases 2018: data reported by companies on the production, import and export of fluorinated greenhouse gases in the European Union, 2007-2017

2018· article· en· W3035099536 sur OpenAlexaboutno aff
Eea

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Policies and Emissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasEuropean unionEnvironmental scienceTonneGlobal-warming potentialGreenhouse gas removalGlobal warmingMontreal ProtocolAgency (philosophy)Production (economics)Natural resource economicsKyoto ProtocolCarbon dioxideEnvironmental protectionClimate changeWaste managementBusinessClimate change mitigationInternational tradeEngineeringChemistryMeteorologyOzone layerEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The 2018 edition of the European Environment Agency (EEA) report on fluorinated greenhouse gases (F-gases) confirms the good progress achieved in 2017 by the European Union (EU) in phasing down the use of hydrofluorocarbons (HFCs), a set of fluorinated gases with a high global warming potential (GWP) that is significantly contributing to climate change. The report evaluates and presents the data reported by companies in 2018 about their activities involving F-gases in 2017, assessing both the progress made under the ongoing EU-wide HFC phase-down and the outlook towards the global HFC phase-down, which is due to begin in 2019 under the Kigali Amendment to the Montreal Protocol. The report also details the amounts of F-gases supplied to different industrial applications. The report uses two different metrics: F-gas amounts expressed in physical tonnes reflect the use patterns of F-gases in European industries, while their GWP (in tonnes of carbon dioxide (CO2) equivalents (tCO2e)) are relevant for climate change policy.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,011
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,047
Tête enseignante GPT0,264
Écart entre enseignants0,218 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnvironmental Policies and EmissionsTravaux en français237 207