Notice bibliographique
Résumé
Based on the well-established GREET model mainly for the United States (U.S.), Argonne National Laboratory (ANL), with the support of the U.S. Department of Energy (DOE), has collaborated with the International Energy Agency (IEA) to develop a global version of the R&D GREET model, referred to as GREET+. GREET+ is a consistent and comparable life cycle analysis (LCA) modeling platform to evaluate life-cycle energy use and greenhouse gas (GHG) emissions of vehicle/fuel systems and technologies. It examines the energy and GHG impacts of technological advancements in different world regions through 2050. The GREET+ model builds upon the Excel platform of the R&D GREET® 2022 rev1 model and ANL’s previous efforts on two regionalized GREET versions, i.e., China-GREET for China and MENA-GREET for Middle East and North Africa (MENA). GREET+ covers 16 regions and countries, including Canada, the USA, Mexico, Brazil, Central and South America region A, Central and South America region B, the European Union, China, India, Japan, South Korea, Southeast Asia and Oceania, MENA, Central and South Africa, the UK, and Norway. The current version of GREET+ focuses on the background data of the fuel cycle (or well-to-wheels, WTW), enabling the generation of region-specific WTW results for fuels and vehicles technologies of interest.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,081 | 0,035 |
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 ».