MétaCan
Menu
Retour à la cohorte
Enregistrement W7008094880

Avrupa Birliği ülkeleri ve Türkiye'de yeşil ekonomi perspektifinde yenilenebilir enerji ve istihdam ilişkisi

2023· dissertation· tr· W7008094880 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typedissertation
Languetr
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésState (computer science)National accountsInflation (cosmology)Life-cycle hypothesisQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Modern sosyal ve ekonomik yaşantıda yenilenebilir enerji kullanımı giderek artış göstermektedir. Artan yenilenebilir enerji ihtiyacını sağlamak için ülkelerin yenilenebilir enerji sektörü teknolojilerine yatırımları ise son yıllarda artmıştır. Kapasiteyi arttırmak için yapılan her yatırımın ekonomik olarak getirisi ise ülkeden ülkeye farklılık göstermektedir. AB ülkeleri enerjide modernizmi sağlamak için çeşitli direktiflerle de bu kapasite artışına önem vermiştir. Çalışmanın ekonometrik model aşamasında, yenilenebilir enerji kapasitesi ile istihdam arasındaki kısa ve uzun dönem ilişki AB ülkeleri ve Türkiye için panel eş bütünleşme analiz yöntemiyle incelenecektir. Çalışma yılı olarak verilerin ülkeler için bulunabilirliği göz önüne alınarak 1991-2022 aralığı seçilmiştir. Yenilenebilir enerji kapasitesini açıklamak için rüzgâr ve güneş fotovoltaik elektrik üretim kapasitesi değişkeni kullanılmaktadır. Uzun dönem eş bütünleşme analizi sonucuna göre, ele alınan bağımsız değişkenler bağımlı değişken üzerinde anlamlı ilişkiye sahiptir. Yapılan nedensellik testine göre ise, RZG değişkeni ve GP değişkeninin istihdam üzerinde tek yönlü nedensellik ilişki olduğu sonucuna ulaşılmıştır. ( RZG→ISTD) ve (GP→ISTD). Diğer bağımsız değişkenler ile ( YETU ve SSY) istihdam arasında çift yönlü nedensellik ilişkisi kurulmuştur. İstihdam üzerinde en fazla etkiye sahip olan bağımsız değişken ise sabit sermaye yatırım değişkeni olmuştur.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0330,006

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 Opus0,024
Tête enseignante GPT0,226
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy, Environment, Economic GrowthTravaux en français237 207