Assessing the Connection between Nuclear and Renewable Energy on Ecological Footprint within the EKC Framework: Implications for Sustainable Policy in Leading Nuclear Energy-producing Countries
Notice bibliographique
Résumé
Numerous Sustainable Development Goals (SDGs) set by the United Nations can't be completed without switching to alternative energy sources. Countries need to find common ground between energy security, affordability, accessibility, and environmental sustainability if they are to lay the groundwork for competition and success. Considering the connection between economic growth, nuclear power generation, renewable energy consumption, and non-renewable energy usage, this study examines the ecological footprints of leading nuclear energy-producing countries ( the United States, France, China, Russia, Japan, South Korea, Canada, the Ukraine, the United Kingdom, and Germany) from 1990 to 2020. In order to perform such a thorough empirical investigation, this study makes use of advanced econometric methods. According to the long-term cointegration study, environmental quality is negatively impacted by economic growth and the use of non-renewable energy, while it is positively impacted by the square of economic growth, the use of nuclear energy, and the use of renewable energy. The study found that the ecological footprint is directly correlated with both nuclear power and economic growth. Meanwhile, both renewable and non-renewable energy sources were found to have an effect on the ecological footprint in a causal manner. The findings of this study emphasize the significance of the world's major nuclear energy producing countries harmonizing their energy policies and developing a common energy strategy that includes equitable distribution of key components of the global nuclear energy sector.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».