MétaCan
Menu
Retour à la cohorte
Enregistrement W4322713212 · doi:10.53555/eijse.v3i2.68

SOLAR ENERGY CONTRIBUTION IN DIGITAL INDIA & CHALLENGES OF CONSUMER AWARENESS TO SOLAR ENERGY

2017· article· en· W4322713212 sur OpenAlexaff
Brahampal Singh

Notice bibliographique

RevueEPH - International Journal of Science And Engineering · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésRenewable energySolar energyFossil fuelBusinessNatural resource economicsEnvironmental economicsEnergy sourceElectricityGovernment (linguistics)Alternative energyGreenhouse gasResource (disambiguation)Global warmingEnergy securityEnvironmental resource managementEngineeringEnvironmental scienceEconomicsWaste managementComputer scienceClimate changeEcology

Résumé

récupéré en direct d'OpenAlex

Solar energy is not harmful as well as easier to use. But in India consumer awareness is the greatest challenge to solarenergy. It is a great need to aware everyone about this technology so that uses of this resource of energy can be increased.Solar energy can contribute in Digital India dreams of Indian Government. It can complete electricity requirements ofDigital India to spread internet up to villages & rural areas.The increasing prices for petroleum products, projection that petroleum resources would be exhausted in a relativelyshort period of time and the use of fossil fuel resources for political purposes will adversely affecting worldwide economicand social development. In addition, global warming caused largely by greenhouse gas emission fromfossil fuelgenerating systems is also a major concern. These problems can be overcome by alternative sources that are renewable,cheap, easily available, and sustainable. And the solar energy is best promising source. But unfortunately this source ofenergy has been get neglected.In this paper researcher has aimed to find out the consumer aware of solar energy, solar energy systems and its uses aswell as its contribution for digital India

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,236
Écart entre enseignants0,224 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPH - International Journal of Science And EngineeringMême sujetEnergy and Environment ImpactsTravaux en français237 207