MétaCan
Menu
Retour à la cohorte
Enregistrement W3160819707

Regulating Energy Innovation: US Responses to Hydraulic Fracturing, Wastewater Injection and Induced Seismicity

2017· article· en· W3160819707 sur OpenAlexaff
Fenner L. Stewart, Allan Ingelson

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Systems and Judicial Processes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHydraulic fracturingInduced seismicityCorporate governanceState (computer science)BusinessEnvironmental planningEngineeringPolitical sciencePetroleum engineeringCivil engineeringEnvironmental scienceFinanceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article focuses on how hydraulic fracturing activities – including wastewater injection – generated, and are still generating, a spectrum of regulatory responses. These regulatory inconsistencies are due to many variables, including: differing opinions on how regulators ought to manage new technologies with unknown environmental impacts; the promise of economic benefit; how politically contested hydraulic fracturing is in the jurisdictions in question; and the fact that much is still unknown about the environmental impacts of hydraulic fracturing. Part I provides an overview of the emerging science on the connections between hydraulic fracturing, wastewater injection and induced seismicity. Part II maps the responses of U.S. state-level regulators to this issue. Part III provides a refresher of the environmental governance theories and practices that help administrative agencies cope with the risks, which energy systems have created, and which agencies are mandated to manage. Part IV evaluates the U.S. state-level responses using the introduced theories and practices. Finally, the conclusion provides some additional reflections.

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)0,009
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,007
Communication savante0,0070,002
Science ouverte0,0010,003
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,303
Écart entre enseignants0,281 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLegal Systems and Judicial ProcessesTravaux en français237 207