MétaCan
Menu
Retour à la cohorte
Enregistrement W1565387988 · doi:10.1002/tie.21581

Avoiding a Global Carbon Crisis: Learning from the Financial Crisis

2013· article· en· W1565387988 sur OpenAlexaff
Paul Shrivastava, Timo Busch

Notice bibliographique

RevueThunderbird International Business Review · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFinancial crisisIncentiveGreenhouse gasCorporate governanceSubsidyEconomicsBusinessSustainabilityCarbon financeLow-carbon economyFinancial systemFinanceMarket economyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The global financial crisis originated in the subprime mortgage market in the United States in 2008 and its effects spread to all of the world's major financial markets. Only governmental programs and subsidies have prevented an outright crash of the world economy. What can the financial crisis teach us about the impending carbon crisis? What is needed to move the global economy toward sustainability, using renewable energy regimes, and low carbon consumption and production? This paper provides a nontechnological response to these questions by highlighting six key sociocultural lessons and suggesting two key recommendations in how to overcome the current carbon lock‐in. Firms should establish proactive climate strategies. Policymakers can facilitate this by developing farsighted governance mechanisms and setting the right incentives and boundary conditions. We conclude that a mix of both is required to prevent the global carbon crisis from becoming a reality. © 2013 Wiley Periodicals, Inc .

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,284
Tête enseignante GPT0,420
Écart entre enseignants0,136 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThunderbird International Business ReviewMême sujetClimate Change Communication and PerceptionTravaux en français237 207