The Uneven Geography of Transnational Climate Change Governance
Notice bibliographique
Résumé
Introduction Transnational governance by its nature is relatively decentralised and highly dispersed. Literature on the transnational organisations of modes of governance such as networks or PPPs has noted their uneven presence across regions, countries and communities (Andonova & Levy 2003; Andonova 2011; Hale & Held 2011). There is limited understanding, however, about the drivers, patterns and implication of such uneven geographies of climate governance initiatives. In this chapter, we investigate the global geographic patterns that have emerged in the terrain of TCCG. We begin with a brief discussion of the important implications that such patterns may have, and what insights the three analytical lenses used in this book can bring to such an analysis. In the second section of the chapter, we use the three lenses to understand the patterns that appear in the database. We examine the spatial clustering of participation in the TCCG initiatives in our database. As other studies have noted, there is a distinct pattern of North–South relations along certain dimensions of participation, giving rising to a number of normative concerns. However, a rigid North–South understanding of participation in TCCG is also somewhat misleading as we find important regional differences, both in terms of who is engaged in TCCG and where governance activities are carried out. We then consider geographic variation in the kinds of issues that transnational climate change initiatives seek to address and examine the consequences for how TCCG is evolving.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».