MétaCan
Menu
Retour à la cohorte
Enregistrement W2548657668 · doi:10.3138/cpp.2015-021

Helping Markets Get Prices Right: Natural Capital, Ecosystem Services, and Sustainability

2016· article· en· W2548657668 sur OpenAlexaffvenueabout
Wiktor Adamowicz, Nancy Olewiler

Notice bibliographique

RevueCanadian Public Policy · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensSimon Fraser UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNatural capitalEcosystem servicesEcosystem valuationNatural resource economicsNatural resourceSustainabilityBusinessGreenhouse gasEnvironmental resource managementGoods and servicesScarcityWater scarcityEcosystemEnvironmental planningWater resourcesEnvironmental scienceEconomicsEcosystem healthEcologyEconomy

Résumé

récupéré en direct d'OpenAlex

Canada faces environmental problems that threaten our stock of natural capital—our endowment of natural resources such as water, forests, land, and atmosphere—and the flow of goods and services that natural capital generates, known as ecosystem services. Much of the literature focuses on climate change and greenhouse gas emissions, but many other challenges persist, including air and water pollution, risks from oil and gas extraction, water scarcity, flooding, loss of natural areas, threatened species, and toxic spills. While regulatory responses exist, their effectiveness is questionable with relatively little use of market-based instruments. We focus on the challenges associated with measuring and developing policy to sustain natural capital and ecosystem services. We highlight problems and identify policy options and “big ideas” that may help us both to improve our understanding of the linkages between natural capital, ecosystem services, and human well-being and to achieve a more sustainable future.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,815
Score d'incertitude au seuil0,373

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,005
Communication savante0,0050,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,020
Tête enseignante GPT0,192
Écart entre enseignants0,172 · 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

Citations7
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetEconomic and Environmental ValuationTravaux en français237 207