MétaCan
Menu
Retour à la cohorte
Enregistrement W2148360110 · doi:10.1080/10807039.2013.791205

Quantitative Ecological Risk Analysis by Evaluating China's Eco-Efficiency and Its Determinants

2013· article· en· W2148360110 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHuman and Ecological Risk Assessment An International Journal · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIndustrialisationChinaInvestment (military)Data envelopment analysisGovernment (linguistics)Promotion (chess)PollutionBusinessNatural resource economicsTertiary sector of the economyProduction (economics)Eco-efficiencyEnvironmental economicsEconomicsEnvironmental protectionEconomyEnvironmental scienceEcologyGeographySustainable developmentMicroeconomicsMarket economyMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Industrial production can produce large amounts of harmful by-products, causing serious pollution and ecological risk. In addition, if government regulations are subjected into the industries, huge cost risk will be faced. This article adopts a two-stage slack-based undesirable-output data envelope analysis (DEA) model to measure the eco-efficiency of China. In the first stage, we analyze the eco-efficiency of each province of China, and in the second stage, we employed a truncated bootstrap method to understand the determinants of eco-efficiency. The results indicate that whereas the eco-efficiency of the eastern region was the highest, that of the western region was the lowest. The western region's economy lagged behind that of other regions, and its environment suffered from heavy pollution. It was found that the level of industrialization did not contribute to eco-efficiency. However, promotion of the service industry, investment for the environment, and regional innovation have positive effects on eco-efficiency.

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 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)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0030,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,112
Tête enseignante GPT0,487
Écart entre enseignants0,375 · 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