MétaCan
Menu
Retour à la cohorte
Enregistrement W4306402950 · doi:10.3390/su142013200

Development of a Multi-Criteria Analysis Decision-Support Tool for the Sustainability of Forest Biomass Heating Projects in Quebec

2022· article· en· W4306402950 sur OpenAlexafffundabout
Raphaël Dias Brandao, Évelyne Thiffault, Annie Levasseur

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensUniversité LavalCentre de Géomatique du QuébecÉcole de Technologie Supérieure
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésSustainabilityWeightingProcess (computing)Decision support systemDecision analysisTriple bottom lineGreenhouse gasEnvironmental resource managementComputer scienceEnvironmental economicsProcess managementManagement scienceBusinessEngineeringEnvironmental scienceEconomicsEcologyData mining

Résumé

récupéré en direct d'OpenAlex

Residual forest biomass for heating is an alternative to fossil fuels that is in line with global greenhouse gas emission reduction targets. Even if the opportunities and the benefits of such projects may be important, one should not neglect the barriers and potential impacts of these projects regarding their sustainability. The decision support tool developed and presented in this paper will help guide and support public decision makers in selecting the best project and improving its sustainability. A reliable and relevant weighting method is determined, based on the use of the Analytic Hierarchical Process multi-criteria decision analysis method, allowing the integration of stakeholders and the consideration of their views and opinions. This choice, combined with the privileged use of quantifiable qualitative data, allows the use of the tool in a preliminary phase of the project development and enables the evaluation of the project and its sustainability from a social acceptability perspective. The tool was applied to two fictional scenarios to demonstrate its ability to guide decision making and to highlight the differentiation of weights and scenarios through both weighting and evaluation methods.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,928

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,089
Tête enseignante GPT0,428
Écart entre enseignants0,339 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetMulti-Criteria Decision MakingTravaux en français237 207