MétaCan
Menu
Retour à la cohorte
Enregistrement W4319599383 · doi:10.3390/su15043013

Causes of Higher Ecological Footprint in Pakistan: Does Energy Consumption Contribute? Evidence from the Non-Linear ARDL Model

2023· article· en· W4319599383 sur OpenAlexaff
Nabila Asghar, Muhammad Asif Amjad, Hafeez ur Rehman, Mubbasher Munir, Reda Alhajj

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEcological footprintEnvironmental degradationRenewable energyConsumption (sociology)Energy consumptionFossil fuelNatural resource economicsFootprintEnvironmental scienceEconomicsEcologySustainable developmentGeography

Résumé

récupéré en direct d'OpenAlex

The impact of human activities on environmental degradation has been increasing over time, and ecological footprint measures the impact of human activities on the environment. An increase in ecological footprint has created alarming situations around the globe. This study explores the causes of Pakistan’s high ecological footprint (EFP). The asymmetric analysis of fossil fuels and renewable energy consumption on EFP has been carried out from 1990 to 2020. The results obtained from the NARDL approach revealed that the positive shocks of fossil fuel consumption increase EFP, but its negative shocks decline EFP. Meanwhile, both positive and negative shocks of renewable energy consumption decline EFP in Pakistan. This study suggests that renewable energy consumption can play a significant role in reducing the EFP in Pakistan.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,038
Tête enseignante GPT0,282
Écart entre enseignants0,244 · 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'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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207