The epistemic, ethical, and political dimensions of uncertainty in integrated assessment modeling
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.
Notice bibliographique
Résumé
Integrated assessment models (IAMs) of global climate change that combine representations of the economic and the climate system have become important tools to support policymakers in their responses to climate change. Yet, IAMs are built in the face of pervasive uncertainty, both scientific and ethical, which requires modelers to make numerous choices in model development. These modeling choices have epistemic, ethical, and political dimensions. First, modeling choices determine how well our current (lack of) knowledge about the elements and processes of the modeled system is represented. Second, modeling choices have ethical implications, for example, the choice of a social discount rate, which is well documented. For other modeling choices, the ethical assumptions and implications are more subtle. Third, climate‐economic models are not produced and used in a political vacuum; they shape and are shaped by the social relations they are embedded in. We review findings from various literatures to unpack the complex intersection of science, ethics, and politics that IAMs are developed and used in. This leads us to suggest theoretical frameworks that may enable an integrated epistemic–ethical–political understanding of IAMs and increase transparency about all three dimensions of model uncertainties. WIREs Clim Change 2016, 7:627–645. doi: 10.1002/wcc.415 This article is categorized under: Integrated Assessment of Climate Change > Integrated Assessment Modeling
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle