MétaCan
Menu
Retour à la cohorte
Enregistrement W4408128585 · doi:10.1093/pnasnexus/pgaf051

Multicriteria models provide enhanced insight for siting US offshore wind

2025· article· en· W4408128585 sur OpenAlexafffund
Rudolph Santarromana, Ahmed Abdulla, M. Granger Morgan, Joana Mendonça

Notice bibliographique

RevuePNAS Nexus · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Acceptance of Renewable Energy
Établissements canadiensCarleton University
Organismes subventionnairesFundação para a Ciência e a TecnologiaCarnegie Mellon PortugalCarnegie Mellon UniversityKlima- und EnergiefondsNational Science Foundation of Sri LankaCarleton University
Mots-clésSoftware deploymentStakeholderOffshore wind powerOpposition (politics)GridStakeholder engagementSubmarine pipelineBusinessEnvironmental resource managementWind powerEnvironmental planningKey (lock)Environmental economicsEnvironmental scienceComputer scienceEngineeringPoliticsPolitical scienceGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Offshore wind can be a key contributor to energy system decarbonization, but its deployment in certain regions has been slow, partly due to opposition from disparate interests. Failure to sufficiently address the concerns of external stakeholders could continue to hamper deployment. Here, we use a multi criteria model to assess all possible sites in a 2 km × 2 km grid of all potential locations in continental US federal waters, contrasting the perspectives of developers and other stakeholders. Our model elucidates how developers and policymakers could better approach future deployment. First, while developers prefer larger plants, we find that these facilities are more fragile-they are sensitive to location, and their impacts are more uncertain than smaller plants. Second, there is 600 GW of capacity where both developer and stakeholder interests align-developing these locations should be prioritized. Third, there are few areas on the US West Coast where developer and stakeholder preferences align, suggesting a need to reduce stakeholder-plant interactions or locate facilities in deeper waters than current technology allows.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,682

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,320
Écart entre enseignants0,293 · 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 tête enseignante, 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
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePNAS NexusMême sujetSocial Acceptance of Renewable EnergyTravaux en français237 207