Notice bibliographique
Résumé
97-8 Arun, Indonesia 96, 102 Asia 12-13 Central 69 see also under individual countries Atlantic Basin emerging LNG market in 76-9 GECF 72, 73 Atomic Energy Canada Ltd (AECL) 174, 176 Azerbaijan 70 Baker Institute World Gas Trade Model (BIWGTM) 92-103 Baltic states 172, 178-85 battery electric vehicles (BEVs) 249-50, 271, 275-6 Belarus 59, 62, 74, 81 biofuels 192, 260, 275-6 biological processes 207 hydrogen production 212-14 biological water-gas shift reaction 213 biomass 192, 207-8, 215, 216 hydrogen production 210-11, 212-14, 235 biophotolysis 212-13 bipolar electrolyser 208 Blue Banana region 243-5 Bolivia 97 Brazil 97, 103 British Energy 146, 152, 155, 159, 161, 164 fi nancial crisis 155, 156-8, 162 risk management strategies 162, 163 share price 156, 157 British Gas 10 Bulgaria 177 buses, hydrogen 255, 278 byproduct hydrogen 234, 235-6, 253 CAFE policies 263-4 California energy crisis of 2000-2001 25, 26-8, 51 zero emission programme 251 Canada 76-7 CANDU-6 nuclear technology 174-5 capacity credit 202 carbon capture and storage (CCS) technology 19, 111, 193, 259, 263, 271 carbon dioxide emissions 84-5, 199 reduction target 261 see also greenhouse gas emissions carbon dioxide price risk 124-5, 143-4 cartels 300 gas 4, 72-3, 100-101, 257 cash-fl ow analysis 241-3 Caspian region 70-71, 82 catastrophe risk 163, 164 Central Asia 69 Central Europe 11, 18, 110, 171 Centrica 10 Cernavoda power plant complex 174, 175-6 Chernobyl disaster 164, 179
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,842 | 0,766 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».