What Do We Learn from Emissions Reporting? Analytical Considerations and Comparison of Pollutant Release and Transfer Registers in the United States, Canada, England, and Australia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pollutant release and transfer registers (PRTRs) are becoming a popular measure for addressing industrial pollution in many countries. PRTRs require reporting of emissions from specific industrial sectors and making the information publicly available. This article suggests a framework for comparing PRTRs in order to determine whether they attain their declared goals and which factors, if any, influence their effectiveness. The challenges to such a comparison can be divided into three groups. The first refers to changes that are directly linked to the characteristics of PRTRs: both the changes within a specific system over time and variations among different systems. The second refers to parameters that affect the outcomes of the systems without being directly a part of them. The third involves the relations between the emissions reported to the PRTRs and the associated environmental risk. We suggest an approach that relies on relative comparison, commensurate with the unique characteristics of each PRTR, that compares their actual outcomes. Such an approach is necessary both due to significant variations among current PRTRs as well as for following the unique policy objectives that are manifested in different PRTRs. Application of this comparative approach in the United States, England, Canada, and Australia demonstrates significant differences in PRTR systems across countries and suggests that the mere presence of a PRTR may not lead to reduced industrial emissions. The analysis also demonstrates that emission reductions do not correlate with reductions in risk-related measures. The article proposes several simple modifications to the composition of current PRTR databases that may facilitate more accurate analysis of results and effective oversight of implementation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle