Modelling the diffusion of multiple demand-side low-carbon energy innovations within a 1.5°C scenario
Notice bibliographique
Résumé
Decarbonizing the energy sector is a critical component in meeting global climate change mitigation commitments in a 1.5°C scenario. In order accelerate the transition to a low-carbon energy system, solutions will need to be deployed at all stages of the energy system, including the diffusion and adoption of innovations by energy users. If deployed at scale (achieving market shares above 15%), disruptive demand-side low-carbon innovations have the potential to accelerate a low-carbon energy transition through the destabilization of the established socio-technical regime. However, demand-side innovations tend to be overlooked in favor of supply-side energy solutions. Moreover, many of the innovations needed to achieve sizable emission reductions already exist, yet experience slow rates of diffusion. Diffusion of innovation studies that attempt to address these issues often assess a single technology or a small scope of factors in isolation, which limits the application of the research findings. This empirical study investigates the factors that influence the diffusion of 132 demand-side low-carbon energy innovations in the Canadian province of Ontario that have the potential to contribute to a low-carbon energy transition. A framework was developed for analyzing and evaluating low-carbon innovations based on their potential contribution to system change. Each innovation was coded in accordance with the model framework. This research found that there is currently limited potential for low-carbon demand-side energy innovations to create a system transformation through disruptive innovation in Ontario. This research also found that legitimacy is a necessary but not sufficient condition for influencing system disruption. More empirical studies that apply the model framework presented in this analysis are needed in order to effectively map the range and combination of factors that can facilitate a low-carbon energy transition in Canada through system disruption.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».