MétaCan
Menu
Retour à la cohorte
Enregistrement W4212858954 · doi:10.1088/2515-7620/ac5764

Interactions between proposed energy-mix scenarios and non-energy Sustainable Development Goals (SDGs): a Sub-Sahara African perspective

2022· article· en· W4212858954 sur OpenAlexafffund
Ruseh Elohor Oghenekaro, Shashi Kant

Notice bibliographique

RevueEnvironmental Research Communications · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto Mississauga
Mots-clésSustainable developmentLaggingEnergy mixContext (archaeology)Millennium Development GoalsEnergy planningBusinessEnvironmental planningEnvironmental economicsEconomic growthEnvironmental resource managementNatural resource economicsGeographyPolitical scienceEconomicsRenewable energyPovertyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Sub- Sahara Africa (SSA) has the lowest access to energy globally which is partly responsible for its dismal socio-economic indices. The continent, however, has the unique opportunity to fuel its sustainable development using clean and sustainable energy. Given the continent’s aspirations, as well as its position and peculiarities within the context of the Sustainable Development Goals (SDGs) such as its hosting up to 90% of the world’s poorest countries, and generally lagging behind in development as most countries in Africa are not on track to meet the SDGs with the exception of the SDG on climate action, an assessment of the interactions and implications between the goal to provide access to clean, reliable, affordable, sustainable, and modern energy (SDG 7) and the other non-energy related SDGs is important for coherent cross-sectoral sustainable development planning and decision-making. This paper analyzes the interactions between SDG 7 and selected non-energy SDGs for three energy-mix scenarios—the current (2018), 2040 energy mix scenario proposed by International Energy Agency (IEA), and 2065 energy mix scenario proposed by Joint Research Centre (JRC) of the European Commission. The analyses are done for two countries - Nigeria and Ethiopia—that capture the wide variation in economic growth and energy sources across SSA. The analyses were carried out by adapting a seven-point scoring typology proposed by Nilsson et al (2016). The results indicate that in the case of Nigeria, the interactions between SDG 7 and many non-energy SDGs, such as SDGs 2, 6, and 13, become negative for the IEA 2040 scenario while they were positive for 2018 scenario. For the same two scenarios (IEA 2040 and the current), for Ethiopia, there are some negative influences on selected non-energy SDGs, but the direction of overall interactions does not change from positive to negative. In the case of JRC 2065 scenario, there are marginal negative influences on some non-energy SDGs, but neither in Nigeria nor in Ethiopia, there is no complete reverse change from positive to negative for any non-energy SDGs. Hence, JRC 2065 scenario is preferred. The study concludes with recommendations for policy interventions that would prevent the change of the interactions that move from positive in the 2018 scenario towards negative in the 2065 scenario (such as those that protect the rights of local communities to natural resources), as well as policies that may reduce the influence of negative interactions seen in both scenarios (such as reduction of air pollution).

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,035
Tête enseignante GPT0,308
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research CommunicationsMême sujetEnergy and Environment ImpactsTravaux en français237 207