MétaCan
Menu
Retour à la cohorte
Enregistrement W3158691687 · doi:10.4000/vertigo.30189

La préparation de l’armée américaine à la transition énergétique

2021· article· fr· W3158691687 sur OpenAlexvenueno aff
Sophie Lefeez

Notice bibliographique

RevueVertigO · 2021
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Les armées américaines poursuivent depuis une quinzaine d’années une politique de transition énergétique en deux volets : production autonome d’énergies renouvelables, ou au minimum consommation d’énergies renouvelables, et conversion aux biocarburants. Leurs motivations sont principalement stratégiques et économiques. Initiée par le niveau fédéral, cette politique a été appropriée différemment par chacune des trois armées ( terre, air, mer ) en fonction de leur principal poste de dépense énergétique. L’armée de terre a ainsi encouragé la production d’énergies renouvelables sur ses emprises et la conversion d’une partie de sa flotte de véhicules terrestres à l’électrique. La Navy s’est résolument engagée sur la voie des biocarburants, sans réussir toutefois à faire décoller une industrie capable de répondre aux immenses besoins du Département à la défense à un prix concurrentiel. Quant à l’armée de l’air, ses efforts ne sont guère allés au-delà de la certification de ses aéronefs à l’usage des biocarburants. En 2015, les armées étaient capables de produire environ 82 % du total de l’énergie renouvelable consommée, mais seulement 3,6 % de la consommation totale d’électricité du Département à la défense. Elles se sont alors lancées dans des projets de plus grande capacité productive. L’arrivée au pouvoir des républicains a néanmoins mis un coup d’arrêt à certains programmes et modifié les priorités. Or, les armées voient dans les énergies renouvelables principalement un moyen de renforcer leur résilience et de gagner en autonomie stratégique : elles poursuivent donc leurs actions mais de manière plus discrète.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,850
Score d'incertitude au seuil1,000

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 technologies0,0000,000
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 Opus0,026
Tête enseignante GPT0,247
Écart entre enseignants0,222 · 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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetDefense, Military, and Policy StudiesTravaux en français237 207