Physical versus behavioural emissions reductions: Quantifying and comparing emissions reduced by behaviour and emissions reduced by technology of net-zero communities
Notice bibliographique
Résumé
Modern climate change research calls for more diverse and creative solutions past simply improving technology; there is not one solution to climate change. A multidisciplinary field like planning can affect both physical changes in a city or behaviour changes in people to reduce greenhouse gas emissions. Despite these considerations, behavioural emissions reductions remain an underexplored topic of literature, especially in terms of emission quantification. Without this information, planners cannot make the most informed and resource efficient policy decisions to combat climate change. This thesis fills this literature gap by quantifying behavioural emissions reductions and comparing them to the best-case scenario for physical emissions, net-zero communities, in the context of Ontario’s first, recently completed, net-zero community located in London, Ontario. This thesis also begins to explore relationships and patterns between sources of behavioural emissions reductions and how they can compound into greater reductions. Within the study area, net-zero homes produced 6.89 fewer tonnes of CO2e/year compared to the average home, 67.5% of which were physical emissions reductions and 32.5% of were behavioural. Residents here generally improved few behaviours to a large magnitude rather than improving many/all behaviours to a small magnitude. While no specific behaviour patterns were identified, the there was evidence in favour of patterns existing, which could by identified with a larger sample. Overall, while behavioural emissions reductions were less effective than physical, they can be implemented both concurrently and instead of physical when necessary. There is also potential for behavioural emissions reductions to be more effective than physical given the right context and if behavioural patterns are used to their fullest.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».