MétaCan
Menu
Retour à la cohorte
Enregistrement W7132433359

Smart Grids Innovation Challenge Country Report 2019

2019· other· en· W7132433359 sur OpenAlexaboutno aff
Helfried Brunner1 Michael Hübner 1, Anjali Wadhera2 , Lu Zongxiang3, Zhao Bin3, Zhang Jia3, Wang Huan3, Yang Zilong3, Jacob Østergaard4, Henrik W. Bindner4 , Kari Mäki5, Matti Aro5, Pia Salokoski5 , BARRETEAU Julien6, Ralf Eickhoff7, Karl Waninger7, Michele de Nigris8, Luca Orrù8, Giorgio Graditi8, Marialaura Di Somma8, Francesco Sergi8, Ricardo Perez Sanchez8 , Kjell Sand9, Birgit Hernes9, Grete Håkonsen Coldevin9, Erland Eggen9, Joonhyung Ahn10, Taehong Sung10,| Jun-Tae Kim10 , Abdullah A. Almehizia 11, Fredrik Lundström12, Alex

Notice bibliographique

RevueCNR ExploRA · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmart gridRenewable energyEuropean commissionField (mathematics)CommissionPrivate sectorEnergy sectorInformation sharing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Smart Grids Country Report 2019 is an IC1 outstanding collaborative achievement gathering contributions from 16 countries (Australia, Austria, Canada, China, Denmark, Finland, France, Germany, India, Italy, Norway, Republic of Korea, Saudi Arabia, Sweden, United Kingdom, United States of America) and the European Commission representing the European Union. The Country Report 2019 collects information updated till 2018 about energy strategies, trends, projects and actions underway in the field of smart grids in the participating countries. Each contributor provided information about status and framework of smart grids implementation, renewable energy deployment, National and International programmes related to smart grids and renewable energy and relevant case studies, sharing experience in R&D activities to facilitate governmental investments and to enable private sector and investors engagement.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge 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 enseignants0,145
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,148

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 Opus0,041
Tête enseignante GPT0,281
Écart entre enseignants0,241 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCNR ExploRATravaux en français237 207