MétaCan
Menu
Retour à la cohorte
Enregistrement W4322211503 · doi:10.5194/egusphere-egu23-16618

Perfect storm for green economy and fossil fuels alike

2023· preprint· en· W4322211503 sur OpenAlexaffabout
Will Dubitsky

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensCAE (Canada)
Organismes subventionnairesnon disponible
Mots-clésEconomyFossil fuelRenewable energyChinaEconomicsNatural resource economicsBusinessEngineeringMarket economyPolitical scienceWaste managementLawElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Fuel prices, inflation and war have created the perfect storm for the green economy and fossil fuels alike. The presentation is special in its global focus on the perfect storm interconnections of components, much like a huge jigsaw puzzle for which all the pieces fit together, but in a complicated way.Renewables are expected to represent 90% of newly installed electrical generation capacity between 2022 and 2027, overtaking coal in the process. Electric vehicle (EV) sales are growing hastily in China and Europe. By contrast, North American targets are weak, leaving much room for automakers to continue to favour the more profitable gas-powered vehicles. Another constraint is the lack of availability of many EV models, with delivery wait times as long as 2 years or more.The U.S. Inflation Reduction Act (IRA) and the Bipartisan Infrastructure Law (BIL) combined, will catapult U.S. clean energy production plus close American EV and clean tech gaps with China and Europe. There was a mind-boggling momentum for green economy projects, existing, under construction and planned, prior to the IRA and BIL. The new legislative initiatives promise to stimulate massive investments green economy research, applications and R & D unparalleled elsewhere, with the possible exception of China.The IRA and BIL are complex and likely to give the U.S. a North American green advantage at the expense of Canada.Concurrently, with trillions in profits, the oil and gas sector is headed for gargantuan fossil fuel agenda. Though the sector was writing off tens of billions of dollars in 2020 and all signs point to peak oil and gas nearby, the short-term sector view has taken precedence. This oil and gas industry tunnel vision perspective is propelled by executive bonuses linked to production increases, 41% in the case of ExxonMobil and 20% for Shell. While the bonus criteria include transition positive elements, many of these elements may actually increase production and/or are greenwashing. Such is the case with characterizations of natural gas as a bridge fuel, howbeit shale gas methane emissions could render this fuel as bad as coal. Notwithstanding, greater production trumps all other considerations.This is what it is like in a transition, the path is bumpy with much tugging in opposite directions. Not unlike the long history of the struggle for women’s rights. The green transition shakedown is tramping ahead, but gamechangers are only noticed when tide is omnipresent.There are reasons that give hope for a green metamorphosis, but the foundation is shaky.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0130,014
Science ouverte0,0010,005
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0690,031

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 Opus0,045
Tête enseignante GPT0,310
Écart entre enseignants0,265 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGlobal Energy and Sustainability ResearchTravaux en français237 207