MétaCan
Menu
Retour à la cohorte
Enregistrement W4318460119 · doi:10.54097/hset.v26i.3639

Environmental Consequences of Mining Bitcoin: The Carbon Emission in China

2022· article· en· W4318460119 sur OpenAlexaff
Bolun Xie

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasCryptocurrencyGovernment (linguistics)ChinaFocus (optics)ElectricityNatural resource economicsCarbon creditEnvironmental economicsBusinessComputer scienceComputer securityEngineeringEconomicsLawPolitical scienceGeology

Résumé

récupéré en direct d'OpenAlex

In recent years, as cryptocurrency has been recognized by more people and the value of the cryptocurrency has increased, many people make money through mining. It leads to mining becoming popular but also creates serious environmental problems. Mining bitcoin will consume much electricity and thus emits more greenhouse gases such as carbon dioxide, which has caused worldwide environmental issues. This paper will focus on figuring out that mining bitcoin will cause how much carbon emission damage in China during these years. The result of this research will provide the change in carbon emission with time and the prediction of the carbon emission trend caused by bitcoin mining in the future. This result of the article aims to focus the society and the government's attention on the damage mining bitcoin does to the environment and also provide suggestions on the measures the governments should take to reduce the unessential energy cost of bitcoin mining.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207