MétaCan
Menu
Retour à la cohorte
Enregistrement W4387552479 · doi:10.1016/j.nxener.2023.100070

Global energy policy analysis to achieve near-term climate goals in the United States

2023· article· en· W4387552479 sur OpenAlexaboutno aff
Sanjay Aidan Johnson, Piyush Sabharwall, Youssef A Ballout

Notice bibliographique

RevueNext Energy · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Energy
Mots-clésSummitEnergy policyClimate changeElectricityClimate policyClimate change mitigationBusinessAgricultureEfficient energy useNatural resource economicsPolitical scienceEconomicsRenewable energyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

In 2021, the United States declared its Nationally Determined Contribution (NDC) in preparation for the COP26 climate summit, setting goals to achieve zero emission electricity by 2035, and reducing net emissions by 50–52% compared to 2005 levels. The current U.S. energy policies were found to not be adequate to meet these goals, thus it is necessary to draft a pathway to achieving these goals through policy changes. This study focused on foreign energy policies to analyze the most effective policies in a host of sectors. By identifying the most ambitious and effective policies from around the world in each sector, this study was able to suggest a policy pathway that can potentially achieve both of the goals set in the NDC. In guiding the development of the proposed policy pathway, this study analyzed policies from Australia, Canada, California, China, Denmark, France, Germany, Japan, Russia, South Korea, Sweden, the United Kingdom, and the United States. This study found that the most drastic CO2 reductions came from low-carbon electricity policy, but contributions were also made from carbon capture, reforestation, hydrogen, energy efficiency, and climate smart agriculture.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,074
Tête enseignante GPT0,289
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNext EnergyMême sujetClimate Change Policy and EconomicsTravaux en français237 207