MétaCan
Menu
Retour à la cohorte
Enregistrement W4231116680 · doi:10.1504/ijgw.2018.093125

A comparative life cycle assessment based evaluation of greenhouse gas emission and social study: natural fibre versus glass fibre reinforced plastic automotive parts

2018· article· en· W4231116680 sur OpenAlexafffund
Masoud Akhshik, Suhara Panthapulakkal, Jimi Tjong, Mohini Sain

Notice bibliographique

RevueInternational Journal of Global Warming · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFord Motor Company
Mots-clésGreenhouse gasAutomotive industryLife-cycle assessmentEnvironmental scienceSawdustGreenhouseEnvironmental engineeringWaste managementEngineeringPulp and paper industryEcology

Résumé

récupéré en direct d'OpenAlex

Current atmospheric CO2 concentration in our atmosphere is already over 400 ppm, which is 50 ppm beyond our planetary boundary. Every single step towards reducing our carbon emission is important. Fuel saving due to the light weighting of the automotive materials will reduce greenhouse gas emission in the transportation sector, if the light weighting roots from a by-product natural fibre, such as sawdust or agricultural waste, the emission reduction would be more effective. The current study is a comparative life cycle assessment based evaluation of greenhouse gas emission of the current plastic engine beauty cover, and natural fibre reinforced counterpart. This study also analyses the questionnaire results gotten from 600 new car owners (or leaser) as a small sample of a buyer society.

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 enseignants0,088
Score d'incertitude au seuil0,503

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 ouverte0,0000,000
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 Opus0,025
Tête enseignante GPT0,365
Écart entre enseignants0,341 · 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

Citations16
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Global WarmingMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207