MétaCan
Menu
Retour à la cohorte
Enregistrement W2063341048 · doi:10.3138/cpp.39.supplement2.s67

The Use of a Social Cost of Carbon in Canadian Cost-Benefit Analysis

2013· article· en· W2063341048 sur OpenAlexaffvenueabout
Anthony Heyes, Dylan Morgan, Nicholas Rivers

Notice bibliographique

RevueCanadian Public Policy · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDamagesSocial costCost–benefit analysisPublic economicsEconomicsClimate policyGovernment (linguistics)BusinessActuarial scienceClimate changeMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The Social Cost of Carbon (SCC) is being adopted for systematic use in cost-benefit analysis (CBA) conducted by the Government of Canada. Although there are potential efficiency gains from its application, we argue that the SCC may be inappropriate for use in CBA for three reasons. First, as currently calculated, the SCC typically excludes the potential for catastrophes and certain types of climate damages, and assumes perfect substitutability between natural and human capital. For these reasons, it is likely to be biased downwards, and as such would provide misleading advice to policy-makers. Second, the SCC is a global measure of benefits, whereas standard practice in CBA is to include only domestic costs and benefits. Accounting for costs borne outside of Canada and along only one dimension (carbon damage) risks reducing economic efficiency and confusing the users of CBA studies. Third, SCC-based decision-making is unlikely to be consistent with Canadian commitments to international partners on emissions reductions; so its adoption risks institutionalizing non-delivery of those commitments.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,684

Scores Codex et Gemma par catégorie

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

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 Opus0,125
Tête enseignante GPT0,252
Écart entre enseignants0,127 · 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.

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

Citations9
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetClimate Change Policy and EconomicsTravaux en français237 207