MétaCan
Menu
Retour à la cohorte
Enregistrement W3126094046 · doi:10.1146/annurev-resource-100814-125023

The Economics of Shale Gas Development

2015· article· en· W3126094046 sur OpenAlexaff
Charles F. Mason, Lucija Muehlenbachs, Sheila M. Olmstead

Notice bibliographique

RevueAnnual Review of Resource Economics · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBoomExternalityHydraulic fracturingNatural resource economicsEconomicsDirectional drillingProduction (economics)Oil shaleNatural gasUnconventional oilScope (computer science)DrillingEnvironmental sciencePetroleum engineeringMicroeconomicsGeologyEngineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

In the past decade, innovations in hydraulic fracturing and horizontal drilling have fueled a boom in the production of natural gas (as well as oil) from geological formations—primarily deep shales—in which hydrocarbon production was previously unprofitable. Impacts on US fossil fuel production and the US economy more broadly have been transformative, even in the first decade. The boom has been accompanied by concerns about negative externalities, including impacts to air, water, and quality of life in producing regions. We describe the economic benefits of the shale gas boom, including direct market impacts and positive externalities, providing back-of-the-envelope estimates of their magnitude. This article also summarizes the current science and economics literatures on negative externalities. We conclude that the likely scope of economic benefits is extraordinarily large and that continued research on the magnitude of negative externalities is necessary to inform risk-mitigating policies.

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)0,001
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: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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

Citations95
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Resource EconomicsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207