MétaCan
Menu
Retour à la cohorte
Enregistrement W4313526334 · doi:10.1109/irec56325.2022.10001933

3 keys to ensure the sustainability of your solar power plant

2022· article· en· W4313526334 sur OpenAlexafffund
Carole Brunet, Michel A. Bouchard, Pierre Baptiste, O. Savadogo, Nicolás Merveille

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Acceptance of Renewable Energy
Établissements canadiensUniversité du Québec à MontréalPolytechnique Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaInternational Development Research Centre
Mots-clésSustainabilitySolar powerPower stationComputer sciencePower (physics)Environmental scienceEnvironmental economicsElectrical engineeringEngineeringPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

In the context of climate change, green energies have an important place. Solar energy has gradually taken its place in the global energy mix, and investments in the operation of solar photovoltaic plants have been stimulated by a favourable market, despite the health and geopolitical crises. How can we ensure that these investments are sustainable in the sense of the United Nations’s Sustainable Development Goals? This is the objective of our study. We assessed the sustainability of large-scale, grid-connected photovoltaic solar power plants by conducting six case studies in six countries on the African continent to determine the key elements. Based on internal and external variables acting on the sustainability of on-grid solar power plants at various levels, three key areas of consideration emerged: (i) evaluation - using appropriate and qualitative evaluation tools, (ii) integration - opting for an integrated approach in the development of the investment project, and (iii) responsibility - not underestimating the corporate social responsibility in the local approach.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0050,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,291
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSocial Acceptance of Renewable EnergyTravaux en français237 207