MétaCan
Menu
Retour à la cohorte
Enregistrement W4376107316 · doi:10.1177/0308518x231167865

Managing decline: Devaluation and just transition at Diablo Canyon nuclear power plant

2023· article· en· W4376107316 sur OpenAlexaff
Sara Nelson, M. V. Ramana

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDevaluationPoliticsEnergy transitionCanyonNuclear power plantEconomicsAsset (computer security)SubsidyEconomyNatural resource economicsMarket economyPolitical scienceFinanceGeographyLaw

Résumé

récupéré en direct d'OpenAlex

This paper examines the shifting fortunes of the Diablo Canyon Nuclear Power Plant in California to better understand how asset owners are dealing with an increasingly-significant problem in changing energy landscapes: the devaluation of large fixed capital assets. In 2016, Pacific Gas and Electric Company announced a Joint Proposal to retire the Diablo Canyon plant by 2025, the result of a negotiated compromise with labor unions, environmental and community groups. Heralded by many commentators as a model for “just transitions” in the energy sector, this agreement has lately been called into question as new subsidies and political coalitions have emerged to support for the plant's continued operation. This paper investigates the political and economic conditions for the Joint Proposal as an example of “negotiated devaluation,” aiming to understand why and how this strategy took shape, and what lessons it offers for other transition processes. Linking literatures on just transitions and devaluation in the energy sector, we show how negotiated devaluation may offer an emerging strategy for owners of energy assets to manage decline in a changing energy landscape. The case also demonstrates the political contingency of these coalitions and the transitions they subtend, and the limited dimensions of justice that might be affirmed in them.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,467

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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'étudeSans objet
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207