MétaCan
Menu
Retour à la cohorte
Enregistrement W2342357080 · doi:10.1111/roie.12217

Renewable Resources, Pollution and Trade

2016· article· en· W2342357080 sur OpenAlexaff
Horatiu A. Rus

Notice bibliographique

RevueReview of International Economics · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésExternalityEconomicsResource (disambiguation)Natural resource economicsWelfareRenewable resourceSmall open economyPollutionStock (firearms)MicroeconomicsRenewable energyEcologyMarket economyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Detrimental spillovers from industrial activity onto resource‐based productive sectors are very common, yet their effects remain understudied. While international trade often creates conditions for the over‐exploitation of open‐access renewable resources, it also provides opportunities for separating different productive sectors spatially. The existing literature suggests that a diversified exporter of the renewable resource good tends to lose from trade in both welfare and conservation terms as a result of over‐depletion, while the exporter of the non‐resource good gains. However, the resource stock externality of harvesting and the inter‐industry pollution externality often coexist in reality. In a small open economy framework, this paper shows that acknowledging their interaction changes the nature of the autarkic equilibrium and enriches the set of resource conservation and welfare outcomes from trade. Depending on the relative damage inflicted by the two industries on the environment, which in turn are functions of the pollution intensity and bioeconomic parameters, it is possible that the inter‐sectoral pollution externality persists and specialization in manufacturing is not optimal from a welfare perspective.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,017
Tête enseignante GPT0,205
Écart entre enseignants0,188 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of International EconomicsMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207