Energy Efficiency and Pollution Control Through ICTs for Sustainable Development
Notice bibliographique
Résumé
The goal of this paper is to prove the necessity for a more thorough consideration and more active use of the modern ICTs for the technological support for the practical implementation of the SDGs’ ecological block in the aspect of the increase of energy efficiency and environmental pollution control. The originality of this paper is as follows: it develops a proprietary methodology of evaluating the technical readiness (level of the development of ICTs) for implementing the ecological block of the SDGs, which envisage the increase of energy efficiency and the growth of environmental pollution control. The highest (but moderate) technological readiness to implement the ecological block of the SDGs among developed countries has been shown by Canada (14.42 points) and Denmark (11.03 points), among developing countries—China (7.72 points). As a result, it has been proved that UCTs are a perspective tool of the practical implementation of the ecological block of the SDGs, stimulating the increase of energy efficiency and improving the environment pollution control. For developed countries, it is recommended to increase the use of Big data and AI analytics by 90.36% and increase the use of ICTs in E-government by 89.74%. This will allow achieving the growth of energy efficiency by 8.28% and the decrease of environmental pollution by 28.41%. In developing countries, it is recommended to increase world robots distribution by 14.17% and increase the use of ICTs in E-government by 76.74%. This will allow increasing the energy efficiency by 16.77% and decreasing the level of environmental pollution by 15.54%. This paper’s contribution to literature (innovative aspect of research) consists in filling the gap of the uncertainty (underdevelopment) of the tools for practical implementation of the SDGs ecological block. This paper has demonstrated the substantial potential of ICTs in the stimulation of the growth of energy efficiency and reduction of environmental pollution in developed and developing countries.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».