Limited scientific evidence for decarbonization of energy end-uses and the challenges to learning and empowerment of green hydrogen niches - insights from Canada
Notice bibliographique
Résumé
Supporting inappropriate uses for hydrogen can delay climate action and decarbonization efforts should limit hydrogen to difficult-to-electrify end-uses. The introduction of novel green hydrogen niches to markets requires learning about which end-uses are appropriate for hydrogen and the empowerment of these niches. This work identifies and collates scientific evidence of when to use hydrogen over electrification of end-uses. The hydrogen end-uses being empowered by legitimization through discourse and resource mobilization are assessed in investment advice, 11 government plans, and 47 policies in Canada. The findings confirm the inattention to when to electrify and when to use hydrogen, observed in the very limited scientific evidence of only two approaches to prioritization, the lack of harmonization between the approaches, and the lack of legitimization of this information. Although some hydrogen end-uses being empowered align with scientific evidence, the most appropriate set of hydrogen end-uses that could contribute to decarbonization are not being legitimized and empowered in Canada. More attention should be paid and resources allocated to developing and legitimizing robust and scientifically based evidence of when to electrify and when to use hydrogen for energy end-uses. This novel method is globally applicable to other emerging technologies and policy analysis.
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 | 0,049 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,016 |
| Études des sciences et des technologies | 0,009 | 0,014 |
| Communication savante | 0,015 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
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 ».