MétaCan
Menu
Retour à la cohorte
Enregistrement W4404313703 · doi:10.24018/compute.2024.4.5.137

The Impact of Built-in Ad-Blockers in Web Browsers on Computer Power Consumption

2024· article· en· W4404313703 sur OpenAlexaff
Khan Awais Khan, Mohsin Jamil

Notice bibliographique

RevueEuropean Journal of Information Technologies and Computer Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPower consumptionConsumption (sociology)Computer sciencePower (physics)World Wide WebArtPhysics

Résumé

récupéré en direct d'OpenAlex

This study investigates the power consumption of various web browsers, specifically focusing on those with built-in ad-blockers compared to standard browsing without ad-blocking features. Using detailed measurements of CPU and GPU power consumption across multiple browsers i.e. Chrome without Ad blocker, Brave, Opera, Firefox, Vivaldi, Librewolf, and Tor—this research highlights the significant impact of ad-blocking on power consumption during web browsing. Experiments were conducted on different types of websites, including video-heavy, news, and entertainment sites, to evaluate how browser optimizations affect overall power usage. Results indicate that browsers with integrated ad-blockers, such as Brave and Librewolf, use significantly reduce power consumption up to 44% compared to traditional browsing setups. The findings also reveal that video content significantly increases CPU and GPU load, with ad-blocking browsers demonstrating superior performance in minimizing energy use. This study emphasizes the importance of browser selection in reducing power consumption, particularly for mobile and battery-dependent devices, and suggests that adopting ad-blocking technologies can lead to substantial energy savings.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,215 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Information Technologies and Computer ScienceMême sujetGreen IT and SustainabilityTravaux en français237 207