MétaCan
Menu
Retour à la cohorte
Enregistrement W2110514440 · doi:10.1139/x07-129

On the budget for national environmental objectives and willingness to pay for protection of forest land

2008· article· en· W2110514440 sur OpenAlexvenueno aff
Mattias Boman, Johan Norman, Claes Kindstrand, Leif Mattsson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWillingness to payContingent valuationValuation (finance)Environmental resource managementBiodiversityEnvironmental policyBusinessEconomicsNatural resource economicsAccountingEcologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

A number of national environmental objectives have been decided on by the Swedish parliament. In this paper, a measure of willingness to pay for attaining these objectives is outlined in terms of an “environmental budget”, which can be disaggregated. Based on a nationwide contingent valuation survey, the average environmental budget was estimated and then disaggregated on specific “green” indicators. This paper focuses especially on protection of forest land for biodiversity purposes. Multiple bounded dichotomous choice questions were employed in the survey, allowing respondents to express uncertainty in their valuations. The effect of different question formats and valuation scenarios on the disaggregation of the environmental budget was investigated. Consideration of uncertainty had a significant impact on willingness to pay estimates. Willingness to pay varied between different levels of forest land protection when uncertainty was explicitly introduced. When valuation estimates were aggregated on the national level, the value of forest land protection exceeded the costs by a small margin.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,995
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,157
Tête enseignante GPT0,267
Écart entre enseignants0,110 · 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'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

Citations21
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetEconomic and Environmental ValuationTravaux en français237 207