Gaming in Air Pollution Data? Lessons from China
Notice bibliographique
Résumé
Abstract Protecting the environment during economic growth is a challenge facing every country. This paper focuses on two regulatory measures that China has adopted to incentivize air quality improvement: publishing a daily air pollution index (API) for major cities since 2000 and linking the API to performance evaluations of local governments. In particular, China defines a day with an API at or below 100 as a blue sky day. Starting in 2003, a city with at least 80% blue sky days in a calendar year (among other criteria) qualified for the “national environmental protection model city” award. This cutoff was increased to 85% in 2007.Using officially reported API data from 37 large cities during 2000-2009, we find a significant discontinuity at the threshold of 100 and this discontinuity is of a greater magnitude after 2003. Moreover, we find that the model cities were less likely to report API right above 100 when they were close to the targeted blue sky days in the fourth quarter of the year when or before they won the model city award. That being said, we also find significant correlation of API with two alternative measures of air pollution – namely visibility as reported by the China Meteorological Administration (CMA) and Aerosol Optical Depth (AOD), corrected for meteorological conditions, from NASA satellites. The discontinuity around 100 suggests that count of blue sky days could have been subject to data manipulation; nevertheless, API does contain useful information about air pollution.
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 | 0,010 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».