MétaCan
Menu
Retour à la cohorte
Enregistrement W2004310257 · doi:10.3141/2139-15

Evaluating Carbon Taxes as an Energy Conservation and Emission Reduction Strategy

2009· article· en· W2004310257 sur OpenAlexaffabout
Todd Litman

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2009
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésCarbon taxRevenueNatural resource economicsTax deferralEnergy conservationEconomicsFossil fuelTax reformEnergy taxBusinessPublic economicsGreenhouse gasState income taxGross incomeFinanceWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Carbon taxes are based on the carbon content of fossil fuel and therefore tax carbon dioxide emissions. In July 2008, British Columbia, Canada, introduced the first carbon tax in North America. This paper evaluates that tax. British Columbia's new tax reflects key carbon tax principles: it is broad, gradual, predictable, and structured to assist low-income people. It begins small and increases gradually, allowing consumers and businesses to respond with increased energy efficiency. Revenues are returned to residents and businesses in ways that protect the lowest-income households. Like most new taxes, the carbon tax has been widely criticized. Much of this criticism is technically incorrect or exaggerated. Consumers have many possible ways to conserve energy and therefore reduce their tax burden. Because lower-income households tend to consume less than the average amounts of fuel and receive targeted rebates, most low-income households will benefit overall. This tax supports economic development by encouraging energy conservation, which keeps money circulating within the regional economy. If other jurisdictions follow, its impacts and benefits will be huge.

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)0,017
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,003
Communication savante0,0080,005
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,115
Tête enseignante GPT0,412
Écart entre enseignants0,297 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207