MétaCan
Menu
Retour à la cohorte
Enregistrement W4386426572 · doi:10.3386/w31630

Show Me the Money! Incentives and Nudges to Shift Electric Vehicle Charge Timing

2023· report· en· W4386426572 sur OpenAlexafffund
Megan Bailey, David Brown, Blake Shaffer, Frank A. Wolak

Notice bibliographique

RevueNational Bureau of Economic Research · 2023
Typereport
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanada First Research Excellence FundUniversity of AlbertaUniversity of Calgary
Mots-clésNudge theoryIncentiveCharge (physics)EconomicsMonetary economicsMicroeconomicsPhysicsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

We use a field experiment to measure the effectiveness of financial incentives and moral suasion “nudges” to shift the timing of electric vehicle (EV) charging. We find EV owners respond strongly to financial incentives, while nudges have no statistically discernible effect. When financial incentives are removed, charge timing reverts to pre-intervention behavior, showing no evidence of habit formation and reinforcing our finding that “money matters”. Our charge price responsiveness estimate is an order of magnitude larger than typical household electricity consumption elasticities. This result highlights the greater flexibility of EV charging over other forms of residential electricity demand.

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)0,002
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: aucune
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,187
Tête enseignante GPT0,432
Écart entre enseignants0,245 · 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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetElectric Vehicles and InfrastructureTravaux en français237 207