MétaCan
Menu
Retour à la cohorte
Enregistrement W4401000439 · doi:10.1016/j.egycc.2024.100147

Similarities and contrasts: Comparing U.S. and Canadian paths to net-zero

2024· article· en· W4401000439 sur OpenAlexafffundabout
Emma Starke, Mark Jaccard, Jotham Peters

Notice bibliographique

RevueEnergy and Climate Change · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensArius3D (Canada)Simon Fraser University
Organismes subventionnairesMitacsSimon Fraser University
Mots-clésZero (linguistics)Net (polyhedron)MathematicsGeographyGeometryLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Canada and the United States (US) have both committed to reaching net zero emissions by 2050 but neither have implemented policy sufficient to reach this target. Knowledge of the technical steps to deep decarbonization is needed alongside an understanding of how each country might be similarly and uniquely impacted by a transition to net zero emissions, contingent on specific technology advancements or policy decisions. We use the computable general equilibrium model, gTech, to simulate sixteen net zero scenarios for Canada and the US varying by technology and policy assumptions as part of the energy modelling forum 37 (EMF37) study. We find that both economies similarly continue to grow in all scenarios out to 2050 with the rate of growth largely determined by assumptions on negative emissions technology. Sectoral impacts differ between countries as a result of current emissions and GDP profiles in combination with assumed net zero scenario policy and technology advancements. In the US, we find that efficient use of electricity is a slightly more important predictor of economic outcomes, while Canada's economy is marginally more responsive to cost and performance improvements in carbon capture technologies.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,116

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
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
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 Opus0,087
Tête enseignante GPT0,236
Écart entre enseignants0,149 · 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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergy and Climate ChangeMême sujetClimate Change Policy and EconomicsTravaux en français237 207