Notice bibliographique
Résumé
It is a matter of apprehension that wealthy countries are contributing huge to global emission and more responsible for producing greenhouse gases in the atmosphere. There is direct intervention of economic activities like industrialization, urbanization and infrastructure development over carbon footprint across the world and economically developed nations tend to have higher footprints as compared to less developed countries. India, the second largest populous nation is facing dual challenges, one hand, the need to fulfill the energy requirement for development and on the other hand, the global climate challenge. The country is third largest emitter of CO2 and fifth largest economy by nominal GDP in the world. But its per capita emission is much lower than that of developed countries and even it is below the average per capita emission of many developing countries. The present paper is an attempt to map the carbon footprints across the country in respect to the economic status. The paper reveals that there exist huge disparities of economic resources and developmental activities, and based on these the carbon footprint is also varied widely. The footprint is significantly high in developed and urbanized states across the country. Economically developed western and southern part emits more than the underdeveloped region of Bihar, Uttar Pradesh, Jharkhand and Odisha. A correlation has been drawn to map the carbon footprint per capita in respect to poverty ratio and a negative relationship exists among most of the districts, as higher carbon footprint has been reported in the lower poverty stricken districts. The overall low per-capita carbon footprint of the country is due to its huge population is living with nominal amount of energy. The fossil fuel is the major source of energy in the country and for equitable economic development, the huge energy is needed. Hence, to meet the global climate challenge, the country can accomplish the energy requirement by reducing emission of conventional sources and look forward for renewable energy resources, so that the development should not be hindered.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».