MétaCan
Menu
Retour à la cohorte
Enregistrement W7017822420

Can policy measures foster plug-in electric vehicle market diffusion?: Presentation at EVS29 - 29th International Electric Vehicle Symposium, Montréal, Québec, Canada, 19-22, 2016

2016· other· en· W7017822420 sur OpenAlexaboutno aff

Notice bibliographique

RevueFraunhofer-Publica (Fraunhofer-Gesellschaft) · 2016
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionHyporeflexiaTSG101Gestational periodDiafiltrationFusible alloyProteogenomicsDysgeusia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Plug-in Electric vehicles (PEV), both as battery electric vehicles (BEV) and plug-in hybrid vehicles (PHEV) have noteworthy potential to reduce global and local emissions. Governments around the world have implemented monetary and non-monetary policy measures to foster PEV market diffusion. However, empirical estimates of their effectiveness are scarce. Here, we analyse data on PEV sales from Europe and the US with the policy measures active in these countries, e.g., direct subsidies, tax rebates, and public charging infrastructure. The aim of the present paper is to contribute empirical evidence to the discussion of policy aided market evolution of electric vehicles. We find income, gasoline prices and both direct and indirect subsidies to positively influence PEV adoption.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0040,004
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0090,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0340,008

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 Opus0,007
Tête enseignante GPT0,233
Écart entre enseignants0,225 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFraunhofer-Publica (Fraunhofer-Gesellschaft)Travaux en français237 207