MétaCan
Menu
Retour à la cohorte
Enregistrement W4388723710 · doi:10.3389/fsuep.2023.1203517

Impacts of non-residential solar on residential adoption decisions

2023· article· en· W4388723710 sur OpenAlexaboutno aff
Eric O’Shaughnessy, Galen Barbose, Alexandra Grayson, Isa Ferrall, Deborah A. Sunter

Notice bibliographique

RevueFrontiers in Sustainable Energy Policy · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Energy EfficiencyOffice of Energy Efficiency and Renewable EnergyU.S. Department of Energy
Mots-clésBusinessQuarter (Canadian coin)Sample (material)Government (linguistics)Order (exchange)Environmental economicsGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Household decisions to adopt rooftop solar photovoltaics are partly driven by social influence. Previous research on solar adoption influence has focused on influence among residential peers. Here, we expand the framework of solar adoption influence by exploring the influence of non-residential installations on residential adoption decisions. We use staggered differences-in-differences to estimate non-residential influence effects using a large data sample of residential adoptions. We also critically evaluate prevailing frameworks for solar adoption influence. We find that non-residential installations are associated with accelerated residential adoption rates, on the order of 0.4 additional residential adoptions per quarter per non-residential installation. We show that non-residential systems exert a continuous, long-term influence on residential adoption decisions. We explore separate results and influence mechanisms for solar installed on commercial buildings, government buildings, and houses of worship. The results suggest that non-residential solar adopters could serve as partners in policies to “seed” residential adoption in underserved communities.

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)0,010
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,007
Tête enseignante GPT0,246
Écart entre enseignants0,239 · 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sustainable Energy PolicyMême sujetEnergy and Environment ImpactsTravaux en français237 207