MétaCan
Menu
Retour à la cohorte
Enregistrement W3165076338 · doi:10.3390/su13115861

Changing Technology or Behavior? The Impacts of a Behavioral Disruption

2021· article· en· W3165076338 sur OpenAlexaffabout
Marianne Pedinotti-Castelle, Pierre‐Olivier Pineau, Kathleen Vaillancourt, Ben Amor

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensHEC MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésElectrificationGreenhouse gasEnvironmental economicsClimate changeBusinessNatural resource economicsEconomicsEngineeringEcologyElectricity

Résumé

récupéré en direct d'OpenAlex

Transportation is a key factor in the fight against climate change. Consumer behavior changes in transportation are underrepresented in energy policies, even if they could be essential to achieve the fixed GHG emission reduction targets. To help quantify the role of behaviors in energy transition and their implications on the dynamics of an energy system, this study is conducted using the North American TIMES Energy Model, adapted to Quebec (Canada). A behavioral disruption scenario (an increase in carpooling) is introduced in the model’s transportation sector and is compared to a massive electrification scenario. Our results highlight the fact that a behavioral disruption can lead to the same GHG emission reductions (65%) by 2050 as an electrification policy, while alleviating different efforts (such as additional electrical capacity and additional costs) associated with massive electrification. Moreover, the results are sensitive to behavior-related parameters, such as social discount rates and car lifetimes.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,266
Écart entre enseignants0,260 · 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'étudeObservationnel
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetElectric Vehicles and InfrastructureTravaux en français237 207