ANALYSIS OF SELECTED COUNTRIES ACCORDING TO THEIR ENERGY CONSUMPTION BY CLUSTER ANALYSIS K-MEANS METHOD
Notice bibliographique
Résumé
In this study, countries (Australia, Austria, Azerbaijan, Belgium, Brazil, Bulgaria, Canada, China, Chile, Colombia, Denmark, Egypt, Finland, France, Germany, Greece, Hungary, India, Indonesia, Iran, Iraq, Italy, Japan, Kazakhstan, Luxembourg, Mexico, New Zealand, the Netherlands, Norway, Pakistan, Poland, Portugal, Russia, Spain, Sweden, Switzerland, Thailand, Turiye, the United Kingdom, the United States, and Uzbekistan) were clustered based on their energy consumption for the years 2000 and 2021. In line with the objectives of the study, data on nuclear energy, coal consumption, oil consumption, natural gas consumption, hydropower consumption, and renewable energy consumption were used to represent energy consumption. The clustering analysis revealed differences between countries in the clusters formed between 2000 and 2021. The transition of countries such as Iran, the Netherlands, Mexico, and Luxembourg from Cluster 1 in 2000 to Cluster 2 in 2021 illustrates the complexity of changes in energy consumption patterns. Factors underlying these changes include changes in energy policies, economic conditions, international relations, and technological advances. Similarly, the transition of countries such as Canada, Germany, Italy, Spain, and the United Kingdom from Cluster 2 in 2000 to Cluster 1 in 2021 can be attributed to various factors such as changes in energy policies, economic growth or stagnation, technological progress, shifts in international trade relations, and environmental considerations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».