MétaCan
Menu
Retour à la cohorte
Enregistrement W1762174315 · doi:10.1111/j.1748-5991.2012.01136.x

Subprime catalyst: Financial regulatory reform and the strengthening of US carbon market governance

2012· article· en· W1762174315 sur OpenAlexafffund
Eric Helleiner, Jason Thistlethwaite

Notice bibliographique

RevueRegulation & Governance · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversitetet i Oslo
Mots-clésCorporate governancePoliticsFinancial marketClimate governanceFinancial crisisRegulatory reformFinancial regulationConsumer Protection ActEconomicsMarket economyEconomic policyBusinessFinancial systemFinancePolitical economyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract The 2008 financial crisis has had an important, but neglected, impact on carbon market governance in the United States. It acted as a catalyst for the emergence of a domestic coalition that drew upon the crisis experience to demand stronger regulation over carbon markets. The influence of this coalition was seen first in the changing content of draft climate change bills between 2008 and 2010. But the coalition's more lasting legacy was its role in shaping the content of, and supporting, the passage of the Wall Street Reform and Consumer Protection Act (the Dodd–Frank bill) in July 2010. Although that bill was aimed primarily at bolstering financial stability, its derivatives provisions strengthened carbon market regulation in significant ways. This policy episode demonstrates new patterns of coalition building in carbon market politics as well as the growing links between climate governance and financial regulatory politics. At the same time, the significance of these developments should not be overstated because of various limitations in the content and implementation of the Dodd–Frank bill, as well as the waning support for carbon markets more generally within the US since the bill's passage.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0070,003
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,023
Tête enseignante GPT0,203
Écart entre enseignants0,180 · 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
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

Citations338
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRegulation & GovernanceMême sujetClimate Change Policy and EconomicsTravaux en français237 207