MétaCan
Menu
Retour à la cohorte
Enregistrement W3158755676 · doi:10.24908/iqurcp.8262

The Green Energy Act: Will Ontario Become the Next Germany?

2016· article· en· W3158755676 sur OpenAlexvenueaboutno aff
Melissa Ha

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental law and policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisdictionIncentiveRenewable energyClimate changeBusinessFossil fuelNatural resource economicsPolitical scienceEconomicsEconomyLawEngineeringMarket economyWaste management

Résumé

récupéré en direct d'OpenAlex

Climate change and the depletion of fossil fuel are no longer a growing concern, but the most time‐sensitive issues facing the society. In response to this, Ontario passed the Green Energy Act (GEA) intolaw in 2009 and introduced a number of initiatives to promote the “green economy” in the province,making it the first North American jurisdiction with an incentive system modelled after Germany’s feed‐in tariffs (FITs). Many believe that the GEA will improve the business conditions for clean technologyendeavours in Ontario; nonetheless, others doubt that people will be susceptible to the higher energyprice and claim that now is not the right time. This paper aims to critically assess the viability of themarket development for renewable energy as proposed by the GEA. Considering that it is relatively earlyto make any conclusion, the first part of this paper provides a brief summary of what the GEA entails andcompares it with the case of another jurisdiction after which the GEA was modelled – namely, Germany. In the second part, this paper closely examines the effects that the GEA has had on businesses in Ontario. More specifically, analysis of ongoing “green energy” projects is provided based on interviews withindustry professionals in both the public and the private sectors in the province.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,601

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0160,006
Communication savante0,0050,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,114
Tête enseignante GPT0,368
Écart entre enseignants0,254 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetEnvironmental law and policyTravaux en français237 207