MétaCan
Menu
Retour à la cohorte
Enregistrement W4200350128 · doi:10.18280/ijsdp.160704

Framework and Key Success Factors of Governance and Sustainability of Very Small Municipal Solid Waste Power Plants

2021· article· en· W4200350128 sur OpenAlexvenueno aff
Suwannee Missita, Wisakha Phoochinda, Chamlong Poboon

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityEnvironmental economicsKey (lock)Corporate governanceDimension (graph theory)BusinessElectricityGovernment (linguistics)Critical success factorRenewable energyProcess managementEnvironmental resource managementEngineeringEconomicsFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

Inordinate municipal solid waste issues and ever increasing demand for electricity, the Thai government formulated the Power Development Plan focusing on supporting the use of renewable energy to generate electricity and using measures to promote the purchase of electricity from very small power producers. This support indubitably leads to the question as to whether Very Small Municipal Solid Waste Power Plants (VSMSWPPs) are sustainable or not. Thus, this study aims to develop a framework and key success factors for evaluating governance and sustainability of VSMSWPPs in Thailand. It consists of documentary research and interviews with professionals, policy makers, practitioners and power plant owners conducted to develop the framework and determine the key success factors. Subsequently, the framework and factors were assessed by 12 experts. The good governance and sustainability concepts were selected as a framework and used to construct key success factors to evaluate the performance of VSMSWPPs. The framework contains four dimensions and each dimension had key success factors as follows: (1) Governance dimension with 7 key success factors; (2) Economic dimension with 8 key success factors; (3) Social dimension with 5 key success factors; and (4) Environmental dimension with 7 key success factors: at total of 27 key success factors.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,248 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetMunicipal Solid Waste ManagementTravaux en français237 207