MétaCan
Menu
Retour à la cohorte
Enregistrement W3082549821 · doi:10.18331/brj2020.7.3.4

Fossil energy price and outdoor air pollution: predictions from a QUAIDS model

2020· article· en· W3082549821 sur OpenAlexvenueno aff
Seyed Reza Khatibi, Maziar Moradi‐Lakeh, Majid Kermani, Seyed Abbas Motevalian

Notice bibliographique

RevueBiofuel Research Journal · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFossil fuelEnergy subsidiesOverconsumptionSubsidyEnergy consumptionAir pollutionNatural resource economicsPollutionAgricultural economicsEconomicsConsumption (sociology)Energy policyBiofuelEnvironmental scienceRenewable energyProduction (economics)Waste managementMacroeconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Cheap fossil energy leads to overconsumption of energy and hazardous levels of air pollution. In this study, we provide a framework to connect fossil energy price policy to private consumption of energy and outdoor air pollution. We used a consumer demand system and reassessed it for the recent status of the Iranian economy. We extracted household consumption information from Iran’s 2011 and 2014−2016 annual household surveys (n=154683), prices from the Central Bank of Iran’s detailed monthly price indices from 2008 to 2016, and air pollution information from Iran’s Energy Balance Sheets. We estimated that an average Iranian household would reduce its energy consumption by 2%, 16%, 29%, 38%, and 45% if energy prices were hiked by 10%, 50%, 100%, 150%, and 200%, respectively. The corresponding reductions in total outdoor air pollution in the post-hike period would be 2.6, 26.3, 47.6, 62.9, and 74.5 million tons, respectively. Besides highlighting the importance of fossil energy price policy as a short-term strategy to reduce air pollution, this study calls attention to shifting the existing subsidies on fossil fuels to sustainable sources of energy such as waste-oriented biofuels as a -long-term solution.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil0,614

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,070
Tête enseignante GPT0,313
Écart entre enseignants0,243 · 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'étudeSans objet
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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207