MétaCan
Menu
Retour à la cohorte
Enregistrement W4313646688 · doi:10.20944/preprints202301.0111.v1

Economic Analysis of Sustainable Transportation Transitions: Case Study of the University of Saskatchewan Ground Services Fleet

2023· preprint· en· W4313646688 sur OpenAlexaffabout
George Aniegbunem, Andrea Kraj

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasSustainabilityPayback periodInvestment (military)Environmental economicsInternal rate of returnRenewable energyBusinessNatural resource economicsEngineeringEconomicsProduction (economics)

Résumé

récupéré en direct d'OpenAlex

The global transport sector of the world economy contributes about 15% of the Greenhouse Gas (GHGs) emissions in the world today. The University of Saskatchewan has pursued the green energy transition over the years. They have spearheaded diverse sustainability projects and agendas, due to the importance of curbing climate change and advancing sustainability. The transport system in the university campus is one area of focus where the Sustainability Office plans to introduce some innovations, as a way of curbing GHG emissions while also advancing sustainability practice in the university campus. The study carried out an economic benefit analysis on the campus fleet (consisting of 91 ICE vehicles) to determine if it is economically or financially feasible to transition from Internal Combustion Engine (ICE) or PVs (Petrol Vehicles) to Electric Vehicles (EVs). The analysis used RETScreen Expert software for analyzing renewable energy technology projects. The variables of Payback Period (PBP), cash flow projections, savings made from transitioning (fuel cost savings and energy cost savings), Benefit-Cost-ratio, GHG emission reduction potential, etc. were analyzed. The findings revealed that the GHG emission from the campus fleet will be reduced by 100% (this will result in the removal of about 298.1 tCO₂ from the environment). Also, the fleet manager will save approximately $129,049 (88.9%) in fuel costs. Apart from these, the return on investment will be achieved in year 5 (all things being equal), but can be reduced to year 2 if the vehicles are put into constant and active use (eliminating most idle times. Also, the Sustainability Office will be making a GHG reduction revenue of $14,906.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,986

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,153
Tête enseignante GPT0,299
Écart entre enseignants0,146 · 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'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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetClimate Change Policy and EconomicsTravaux en français237 207