MétaCan
Menu
Retour à la cohorte
Enregistrement W1607354534 · doi:10.31542/j.ecj.138

Climate Change Strategies 101

2013· article· en· W1607354534 sur OpenAlexafffundvenueabout
Donald Evan MacDonald

Notice bibliographique

RevueEarth Common Journal · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensMacEwan University
Organismes subventionnairesMacEwan UniversityGovernment of Alberta
Mots-clésClimate changeGovernment (linguistics)PoliticsAction planWork (physics)OddsBusinessProcess (computing)Greenhouse gasPolitical economy of climate changePublic economicsPolitical scienceEconomicsEnvironmental resource managementComputer scienceEngineeringManagement

Résumé

récupéré en direct d'OpenAlex

The development of climate change action plans and strategies is usually done via the policy cycle during the first half of a government’s term. This short-term political process is at odds with the longer-term climate change issue that requires a consistent and sustained effort. Consequently, this often leads to conflicting and ever changing climate plans and strategies that often do not fully move to implementation. Several key strategic questions need to be considered at the policy agenda setting stage. Examples of these questions include: the real impetus for developing the plan, political will to take on policy development at a particular time, the degree of intention to actually implement it, and depth of target vs. costs to the economy. The developmental stage of climate plans in Canada has historically involved five key components (with many variations): 1) background policy and scientific work; 2) consultation process; 3) economic/policy analysis and target setting; 4) building political support for a greenhouse gas target and policy package to meet the target; and 5) refinement and final political approval. Businesses are also responding by developing climate change strategies to either hedge their risk of being regulated, hedge their risk related to severe weather events, and/or to take advantage of climate business opportunities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,187
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0070,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0840,028

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 Opus0,122
Tête enseignante GPT0,260
Écart entre enseignants0,137 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueEarth Common JournalMême sujetClimate Change Policy and EconomicsTravaux en français237 207