MétaCan
Menu
Retour à la cohorte
Enregistrement W4400065673 · doi:10.1016/j.jeem.2024.103035

The emerging international trade in hydrogen: Environmental policies, innovation, and trade dynamics

2024· article· en· W4400065673 sur OpenAlexaff
Werner Antweiler, David Schlund

Notice bibliographique

RevueJournal of Environmental Economics and Management · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDeutscher Akademischer Austauschdienst
Mots-clésEconomicsCournot competitionRenewable energyTrade barrierCommercial policyInternational tradeProduct differentiationIndustrial organizationInternational economicsMicroeconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Hydrogen produced from renewable energy and other carbon-neutral sources has the potential of becoming an important medium for storing and transporting energy, partially taking on the role that fossil fuels play to date. We develop a novel theoretical and empirical model of sequential trade based on long-term contracts with one or more fixed-capacity projects entering each period in a modified Nash-Cournot competition. We simulate the emerging international trade in hydrogen using calibrated demand, supply, transportation, and policy data, exploring a set of scenarios to determine which factors have significant influence—in particular environmental, innovation, and trade policies. Our findings suggest that hydrogen trade exhibits significant price dispersion and two-way trade as vintages of contracts overlap in a market defined by endogenous innovation and policy interventions. Trade costs and the mode of transportation (pipelines or ammonia conversion, possibly others) play a pivotal role and influence the relative share of hydrogen production types (green, blue, or turquoise). Trade policies emerge as a more essential determinant of hydrogen trade than carbon and innovation policies.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
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 Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · 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

Citations23
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Economics and ManagementMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207