MétaCan
Menu
Retour à la cohorte
Enregistrement W4406126847 · doi:10.1016/j.cles.2025.100170

Integrating environmental impacts into Cost-Benefit Analysis using emergy

2025· article· en· W4406126847 sur OpenAlexaffabout
V.V. Radhakrishnan, Praveenkumar Selvapathy, Matthew Garvin, Chayani Perera, Ranuka Yohan Dilanka Hansa

Notice bibliographique

RevueCleaner Energy Systems · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Ecological Systems Analysis
Établissements canadiensCommunity Sector Council Newfoundland and LabradorMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésEmergyEnvironmental scienceEnvironmental economicsNatural resource economicsEconomicsSustainabilityEcology

Résumé

récupéré en direct d'OpenAlex

Evaluating project viability often relies on economic analysis with environmental impacts either evaluated subjectively in a separate analysis or not at all. The concept of the study was to express environmental impacts as cash flow equivalents through the life of the project to directly compare environmental and economic impacts in a standard cost-benefit analysis. Embodied energy accounting methodologies have been used as a novel method for converting environmental impacts of a project to monetary terms. With environmental impacts expressed in monetary terms on an annual basis, the present value of the environmental impacts could be calculated using an appropriate interest rate based on environmentally-focused investment for a similar project. Application of this method to a case study based on a recent wetland restoration project in eastern Canada demonstrated that inclusion of environmental impact valuation in the analysis of the project changes the project from a net-cost (CAN$-23.5 million) to a net-benefit (CAN$3.7 million) and providing a clear justification for the project. This method is applicable to projects with significant environmental impacts and can be used in a project approval process or for selecting between project approaches.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,008
Tête enseignante GPT0,237
Écart entre enseignants0,230 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCleaner Energy SystemsMême sujetSustainability and Ecological Systems AnalysisTravaux en français237 207