MétaCan
Menu
Retour à la cohorte
Enregistrement W4401380679 · doi:10.47611/jsrhs.v13i1.6511

Illuminating the Future: Cost-Benefit Analysis of the Installation of LED Street Lights in Townships

2024· article· en· W4401380679 sur OpenAlexaff
Rebecca Tang, Raymond Mathis

Notice bibliographique

RevueJournal of Student Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensConestoga College
Organismes subventionnairesnon disponible
Mots-clésEnvironmental planningTransport engineeringEnvironmental scienceBusinessArchitectural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Municipalities face decisions about maintaining and upgrading their streetlighting. Do they continue to replace bulbs in their existing lighting systems, or move to energy-efficient systems piecemeal or all at once? This research paper argues that the financial and environmental benefits of a complete shift to efficient Light Emitting Diode (LED) fixtures make the investment worthwhile. Analysis of data from Tredyffrin Township in southeastern Pennsylvania, that is currently making the switch to LED lighting systems, supports the conclusion that committing to one-time full replacement can maximize energy savings and that the issuance of green bonds, over standard municipal bonds, for financing is both viable and advantageous as it can lead to additional savings and budget surplus. Despite a higher initial investment, the extended lifespan of LED lights, compared with Mercury Vapor (MV) lamps, drastically lowers maintenance and replacement costs, leading to considerable long-term savings. By using green bonds, a financing instrument made available for environmentally beneficial projects, a municipality's financing costs can be kept low and large projects can be undertaken, for the fullest financial and environmental benefit.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,084
Tête enseignante GPT0,409
Écart entre enseignants0,325 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Student ResearchMême sujetImpact of Light on Environment and HealthTravaux en français237 207