Analysing the Development of the Climate, Land, Energy, and Water systems (CLEWs) Modelling Framework: A state-of-the-art review
Notice bibliographique
Résumé
This comprehensive state-of-the-art literature review explores recent scientific developments in Climate, Land, Energy, and Water systems (CLEWs) modelling by systematically analysing 41 peer-reviewed studies published between 2020 and 2024. The research uncovered insights into the evolving interdisciplinary landscape, revealing various trends, such as even though just over 74% of studies utilised open-access data, only 50% employed open-source analytical tools with open-access data, highlighting an ongoing barrier in research accessibility and knowledge transfer. The study identified four areas of significance: the connections between CLEWs and the Sustainable Development Goals (SDGs), how the CLEWs framework is linked to capacity development, the critical interplay between energy and water systems, and the transformative potential for comprehensive system integration using the CLEWs modelling framework. By pinpointing promising research directions such as soft-linking CLEWs models with Geographic Information Systems (GIS), applying Robust Decision Making (RDM) methodologies, and developing city-level CLEWs frameworks, the review provides a strategic roadmap for future interdisciplinary research. Notably, the analysis emphasised the urgent need for enhanced institutional coordination, capacity development in long-term modelling, and collaborative communities of practice, particularly for open-source modelling tools like OSeMOSYS, to accelerate knowledge dissemination and foster innovative, integrated approaches to complex systemic challenges.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,012 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».