Impulsores e inhibidores del consumo de energía en el sector residencial andaluz (2014-2018)
Bibliographic record
Abstract
La mejora de la eficiencia energética en el sector residencial es uno de los pilares clave \nde la Estrategia Energética de Andalucía 2020, el último plan del gobierno andaluz de \npolítica energética. El objetivo de esta investigación es analizar cuáles han sido los efectos \ndeterminantes que explican el cambio en el consumo de energía final en el sector \nresidencial de Andalucía. El periodo analizado se extiende entre 2014-2018. El inicio de \nla serie coincide con la entrada en vigor la Estrategia Energética de Andalucía 2020. La \nelección del año final está justificada por ser el último año en el que se emitieron \nmemorias e informes de seguimiento de la Estrategia y por la disponibilidad de los datos. \nPara cumplir con el objetivo de la investigación se desarrolla un análisis de \n3 \ndescomposición LMDI I en su variante multiplicativa. Este método permitirá conocer los \nfactores impulsores e inhibidores del consumo de energía final y presenta la novedad de \nser un análisis que analiza las variaciones por provincias y por fuentes energéticas. Los \nresultados reflejan que el efecto eficiencia de los hogares fue un inhibidor clave en el \nconsumo de energía final, pero su impacto es compensado por la influencia del efecto \nrenta como impulsor. Es recomendable que las futuras políticas energéticas contemplen \nla influencia del efecto renta y que sus acciones estén segmentadas por provincias, dadas \nlas diferencias observadas. Además, es necesario seguir intensificando las medidas para \nlograr una mejor cultura energética entre la población.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".