Unsustainable Development in Canada: Environmental Assessment, Cost-Benefit Analysis, and Environmental Justice in the Tar Sands
Notice bibliographique
Résumé
Canada is on record as a strong supporter of sustainable development, yet environmental costs of projects like the oilsands are justified by the creation of economic wealth. Tar sands are the fastest growing source of greenhouse gases (GHGs) in Canada, contributing to climate change, which impacts the worlds most vulnerable populations the hardest. How have we reached the conclusion the tar sands create wealth? What kind of wealth? Wealth for whom?Projects like oil sands are assessed in Canada by means of environmental assessments (EAs). This paper tries to answer two questions in relation to using the tar sands as a case study. First, what is the standard to be reached in Canada, and what should it be? Secondly, how are decision makers assessing whether the economic benefits of projects justify the environmental costs? Though not expressly, they appear to be doing a kind of cost-benefit analysis (CBA) in EAs of proposed projects. Is this an appropriate approach, and if so, are they doing CBA in a complete, fair and transparent way? We argue CBA should not be the basis of environmental assessments, which must be guided by clear and legally forceable minimum standards. However, when performed in a way that attempt to include the full range and types of values in question. CBA can be one tool to identify, clarify and make more accessible the balancing of all competing interests and values at stake in projects like the tar sands, before final decisions are made.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».