Getting It Right Matters: Why Efficiency Incentives Should Be Based on Performance and Not Cost
Notice bibliographique
Résumé
At least 28 countries and regions offer government-sponsored incentives for energy efficiency, as well as a number of U.S. states and Canadian provinces. But, there has been little cross-fertilization of ideas and even less scientific evaluation of the results. This lack of dialogue and evaluation has led to disproportionate reliance on the simplest solutions, which generally base efficiency incentives on costs. (Sometimes, other performance parameters are also used in addition to costs.) This paper examines the practice and some of the theory that predicts the likely outcomes of different structures of economic incentives for efficiency. It shows how purely cost-based incentives, whenever they have been evaluated, have shown excessive levels of free ridership and failed to transform markets. It finds anecdotal evidence for mixed performance and cost-based incentives working in some cases, but a paucity of evidence to corroborate these anecdotes. These results are contrasted to the experience with performance-based DSM programs, which have proven to be effective both at acquiring efficiency resources and transforming markets. This finding is consistent with analysis of the market barriers and market failures that efficiency confronts, and with the incentives to consumers and suppliers that are provided by the different types of incentives.
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 | 0,041 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,035 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».