MétaCan
Menu
Retour à la cohorte
Enregistrement W7041242218

The cold economy

2022· other· en· W7041242218 sur OpenAlexaboutno aff

Notice bibliographique

RevueEconstor (Econstor) · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectricityPrivate sectorDefaultCore (optical fiber)SustainabilityEnergy (signal processing)Sustainable development
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Lack of cooling and cold-chain access is a critical development challenge that has significant implications for people's livelihoods, productivity, health, food, and nutritional security. While business-as-usual demand projections suggest 19 new cooling appliances will be sold every second by 2050, universal access to cooling is expected not to be a reality even at this rate of growth, leaving poor and vulnerable populations to suffer the consequences. The global demand for cooling is already pressuring the energy system and the environment and given all the social and economic benefits of cooling and cold-chain but also the environmental risks, there is now a major opportunity for governments and the private sector to develop and deploy sustainable, affordable, and resilient cooling solutions, and contribute to three internationally agreed goals simultaneously: the Paris Agreement; Sustainable Development Goals (SDGs); and the Kigali Amendment to Montreal Protocol. Achieving this will require a radically different approach to cooling and cold-chain provision that starts by asking what energy services are needed and explores ways to meet them with minimum environmental impact and cost, taking into account available renewable, thermal, and waste energy resources, synergies between processes and systems, and aggregation opportunities, rather than defaulting to electricity to generate cooling. Such a system-level approach sits at the core of the Cold Economy.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,090
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0070,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0900,029

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Travaux en français237 207