MétaCan
Menu
Retour à la cohorte
Enregistrement W4362519203 · doi:10.24908/iqurcp16332

Suitability analysis for wind farm constructions in Yukon area

2023· article· en· W4362519203 sur OpenAlexaffvenueabout
Junyang Ma

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Acceptance of Renewable Energy
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésWind powerRenewable energyElectricityEnvironmental scienceCoalElectricity generationAgricultural economicsBusinessEngineeringWaste managementPower (physics)Economics

Résumé

récupéré en direct d'OpenAlex

The development of science and technology has made people's quality of life better and better, and the mature use of electricity has made people's lives more convenient and faster. However, this has also led to a drastic increase in people's use of non-renewable energy such as coal and oil. In 2021, about 4,108 billion kilowatt-hours (kWh) (or about 4.11 trillion kWh) of electricity were generated at utility-scale electricity generation facilities in the United States, about 546 million short tons (MMst) of coal were consumed. (EIA). In such situation, the exploitation and use of renewable energy becomes significantly urgent and necessary. From 2008 to 2018, global installed wind power capacity grew by an average of 17.2% per year (BP Statistical Review of World Energy 2020). On IRENA's (2019) transformation roadmap, to stay on the pathway of 1.5 °C warming, wind energy is projected to generate 35% of the total electricity demand by 2050. My study area for my research is in Yukon, it is in south part of Canada and contains 4.7 percent of total area. The aim of my project is to determine the suitability of Wind Farm Expansion and its Electric Applications Radiation for Yukon area. The method for the project is using reclassify analysis tool in order to find the suitability site for constructing the wind farms. 1. How Much of Each Energy Source Does It Take to Power Your Home. (2017, September 29). McGinley Support Services. https://www.mcginley.co.uk/news/how-much-of-eachenergy-source-does-it-taketo-power-your-home/bp254/2. CER – Provincial and Territorial Energy Profiles – Yukon. (n.d.).https://www.cerrec.gc.ca/en/data-analysis/energy-markets/provincial-territorialenergyprofiles/provincial-territorial-energy-profiles-yukon.html3. Just a moment. . . (n.d.). https://www.researchgate.net/figure/Flow-Diagram-of-aWindTurbine-System-Here-1-Wind-Turbine-Converts-wind-energy- into_fig3_307906589

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,901
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,174
Tête enseignante GPT0,427
Écart entre enseignants0,253 · 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'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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetSocial Acceptance of Renewable EnergyTravaux en français237 207