MétaCan
Menu
Retour à la cohorte
Enregistrement W4393670762 · doi:10.5281/zenodo.8205913

Canada_construction_emissions_inventory Public_Data

2023· dataset· en· W4393670762 sur OpenAlexaffabout
Leopold Wambersie, Claudiane Ouellet‐Plamondon

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésEmission inventoryEnvironmental scienceBusinessGeographyMeteorologyAir quality index

Résumé

récupéré en direct d'OpenAlex

<strong>Overview</strong>: This data was created using the code stored at the following link: GitHub. The code applies OpenIO-Canada to Canadian Supply-Use Tables to create EEIO matrices, then performs additional analyses on said matrices to obtain consumption-based accounts of GHG emissions driven by Canadian construction sectors, as well as data on the geographic flows and GDP intensity of embodied emissions in construction. <strong>File descriptions:</strong> <strong>CanCons_workbook.xlsx</strong> A workbook summarizing all the analyses performed to create the figures in the paper "Developing a comprehensive account of embodied emissions within the Canadian construction sector". Contains all the data exported by the jupyter notebook stored at the GitHub link, as well as the additional analysis &amp; formatting steps taken. <strong>Figure1_data.csv</strong> A direct export of the D matrix, along with totals. <strong>Figure2+6_data.csv</strong> Results of a contribution analysis of the final demand for construction-based Gross Fixed Capital Formation (GFCF) from all Canadian provinces and territories. Results show, for construction demand in each province, all the environmental impacts driven by each construction sub-sector. <strong>Figure2+6_data_GDP.csv</strong> Accompanies Figure2+6_data.csv, contains data from the Y matrix on the final demand for construction-based GFCF in $. Used for calculating intensities per unit GDP. <strong>Figure3_data_[construction sector].csv</strong> 3 files which contain the results of contribution analyses of 3 individual construction sectors: Roads &amp; Highways, Communications Infrastructure, and Residential Buildings. Results show, for each province, the embodied environmental impacts associated with the inputs into these 3 sectors. <strong>Figure4_data_Baseline.csv</strong> Results of a standard contribution analysis of Construction GFCF to serve as a baseline for the following files. Similar to 2+6_data. <strong>Figure4_data_Zero[Region].csv</strong> Each file represents the result of a contribution analysis for Construction GFCF where the S matrix values for the [Region] (representing the environmental impacts caused by supply-chain steps within a region) have been zeroed out. This means that the results in these files represent a world where the [Region]'s contribution to the final impacts of all other regions have been removed. Subtracting these values from the baseline results in values representing each [Region]'s contribution to consumption-based impacts driven by construction every other region. This allows the flows of embodied emissions in construction materials to be mapped. <strong>Figure5_data.csv</strong> Results taken from Figure2+6_data on the distribution of energy (TJ) and emissions (kgCO2) across regions and construction sectors.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0020,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1020,173

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 Opus0,030
Tête enseignante GPT0,235
Écart entre enseignants0,205 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetSmart Materials for ConstructionTravaux en français237 207