Energy system analytics and good governance -U4RIA goals of Energy Modelling for Policy Support
Notice bibliographique
Résumé
Abstract Energy modelling is the process of using mathematical models to develop abstractions and then seek insights into future energy systems. It can be an abstract academic activity. Or, it can insert threads that influence our development. We argue therefore, that energy modelling that provides policy support (EMoPS) should not only be grounded in rigorous analytics, but also in good governance principles. As, together with other policy actions, it should be accountable. Almost all aspects of society and much of its impact on the environment are influenced by our use of energy. In this context, EMoPS can inspire, motivate, calibrate, and 'post assess' energy policy. But, such modeling is often undertaken by too few analysts under time and resource pressure. Building on the advances of 'class leaders', we propose that EMoPS should reach for practical goals — including engagement and accountability with the communities it involves, and those it will later affect. (We use the term Ubuntu, meaning 'I am because you are' to capture this interdependency). We argue that Ubuntu, together with retrievability, repeatability, reconstructability, interoperability and auditability (U4RIA) of EMoPS should be used to signal the beginnings of a new default practice. We demonstrate how the U4RIA principles can contribute in practice using recent modelling of aspirational energy futures by Costa Rica as a case study. This modelling effort includes community involvement and interfaces and integrates stakeholder involvement. It leaves a trail that allows for its auditing and accountability, while building capacity and sustainable institutional memory.
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 | 0,026 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,020 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».