Notice bibliographique
Résumé
Despite that transports contribute to around a quarter of all global energy-related CO2 emissions, the question of how the sector’s emissions are best reduced remains unclear. To fill this gap, this thesis investigates what both academia and the Swedish Climate Policy Council recommend to be the best ways of reducing transport emissions. These findings are then compared with the mobility strategies of six Swedish municipalities. The review of academic literature found that going car-free has the highest emission mitigation potential among the reviewed options – at a median of 2.1 tCO2eq/cap pear year. Both academic literature and the Swedish Climate Policy Council argues that shifting over to electric vehicles – which was found to have a median emission mitigation potential of 2.0 tons of CO2eq/cap per year – is necessary if transport emissions are to be substantially reduced. While the general strategy of most Swedish municipalities matches well with going car-free, the review of municipal transport strategies showed an evident lack of planning and consideration for the electrification of vehicle fleets. Based on the Swedish Climate Policy Council’s recommendations, academic literature, and the municipalities' strategies, the thesis identifies obstacles that municipalities face in reducing emissions, areas in which Swedish municipalities are lagging, and policies and strategies which could help municipalities reach their environmental goals. Of particular importance are the municipalities’ lack of long-term planning and clarity in their documents, their lack of evaluation of the effect of specific policies, and their lack of ability to promote electric vehicles due to laws and regulations at the national level.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».