MétaCan
Menu
Retour à la cohorte
Enregistrement W7005515732

A Quantile Analysis of Energy efficiency, green energy investment, and energy innovation in most industrialized Nations

2021· article· en· W7005515732 sur OpenAlexaboutno aff

Notice bibliographique

RevueBournemouth University Research Online (Bournemouth University) · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueBiological and pharmacological studies of plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEnergy consumptionQuantile regressionEnergy (signal processing)Panel dataDeveloped countryEfficient energy useFossil fuelEnergy intensity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The continuous use of fossil fuels to meet the energy demands of the industrialized nations has led to environmental degradation. As such, there has been a call for research, exploration, and the usage of alternative energy which is believed to improve the depleting quality of the environment. This study investigates the relationship between energy efficiency, green energy investment, and energy innovation in a panel of nine highly industrialized countries such as Canada, Japan, France, Spain, Germany, Switzerland, Italy, the United States of America, and the United Kingdom. Relying on the environmental Kuznets' hypothesis (EKC), we employ the quantile-on-quantile regression approach to the data obtained between 1980 and 2018. The empirical estimates validate the EKC hypothesis in most of the industrialized nations considered. The findings also reveal that the continuous use of non-renewable energy consumption aggravates emissions, while the use of renewable energy reduces the level of emissions in the environment. Therefore, energy efficiency leads to an increase in emissions in the first 3 quantiles and reduces emissions in the remaining quantiles. Also, energy innovation leads to a high amount of emissions. Finally, the study calls for increased investments in renewable energy as well as energy efficiency to ensure continuous improvement in the quality of the environment.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,018
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,342
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBournemouth University Research Online (Bournemouth University)Même sujetBiological and pharmacological studies of plantsTravaux en français237 207