Protecting Endangered Species in the US and Canada: The Role of Negative Lesson Drawing
Notice bibliographique
Résumé
Abstract.Although the US and Canada share ecosystems, with many species ranging freely across the border, the two countries have taken very different approaches to protecting endangered species. The USEndangered Species Act, adopted in 1973, relies primarily on regulation, thus imposing the costs of protecting biodiversity on the private sector. In contrast, Canada'sSpecies at Risk Act, adopted in 2002, relies primarily on public expenditures to support stewardship programs. We argue that this difference is best explained by negative lesson drawing from the US experience. In particular, awareness of the costs of species protection in the US led Canadian business to present stronger opposition to regulation than had their American counterparts decades earlier. We use the case of the CanadianSpecies at Risk Actto theorize about conditions under which negative lesson drawing is likely to be most influential. Résumé.Bien que les États-Unis et le Canada partagent les mêmes écosystèmes, les deux pays ont adopté des approches très différentes en matière de protection des espèces en péril. La Loi américaine sur les espèces en péril (US Endangered Species Act), adoptée en 1973, porte essentiellement sur la régulation, et de ce fait impose les coûts de la protection de la biodiversité au secteur privé. En revanche, la Loi canadienne sur les espèces en péril, adoptée en 2002, fait principalement retomber les coûts des programmes de gestion au secteur public. Nous démontrons que cette différence s'explique principalement par le rôle des leçons négatives apprises de l'expérience des États-Unis. La prise de conscience des coûts liés à la protection des espèces en péril aux États-Unis a notamment amené les milieux d'affaires canadiens à présenter une plus forte opposition à la régulation que leurs homologues américains l'avaient fait des années plus tôt. En s'appuyant sur le cas de la Loi canadienne sur les espèces en péril, nous visons à théoriser les conditions selon lesquelles l'acquisition de connaissance par leçons négatives (“ negative lesson drawing ”) est susceptible d'être le plus concluant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,014 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».