Economic opportunities and challenges in biojet production: A literature review and analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biojet has emerged for pursuing reduced emissions targets. However, global uptake of biojet has remained negligible. Sources have speculated on economic reasons for biojet's lack of commercial success, but there have been few reviews across experts that have identified key causes. We compile the views of experts through a comprehensive literature review (covering over 200 sources between 2003 and 2021) that explores opportunities and challenges (OACs) for the emerging biojet industry through an economic lens. We categorize OACs into identified factors (e.g., high costs of production) and track the number of times each factor is mentioned in the literature. We use these counts to rank OAC factors and associate these with concepts of demand and supply, and their impacts on investments in biojet. We also examine how citations of key opportunities and challenges have changed over time. The highest ranked opportunities are associated with demand-side factors (e.g., increasing demand for reduced emissions), while the highest ranked challenges are associated with supply-side factors (e.g., high costs of production). Policy considerations, which could affect demand and/or supply, are also highly ranked, but like many factors, are viewed as both opportunities and challenges. Overall, the literature is optimistic towards future demand, but pessimistic towards future supply, with the bottom line indicating few prospects for current investments in biojet. Given the ongoing confidence in demand for biojet, this situation could potentially change with future investments in research to reduce costs and uncertainty, along with clear and consistent policies that could incentivize biojet production.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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