MétaCan
Menu
Retour à la cohorte
Enregistrement W2590383568 · doi:10.5539/enrr.v7n1p76

A Theoretical Inquiry of the Offset Mechanism in Mitigating Global Warming: Economic Welfare Implications of the Clean Development Mechanism Investment

2017· article· en· W2590383568 sur OpenAlexvenueno aff
Morio Kuninori, Masayuki Otaki

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClean Development MechanismCarbon offsetOffset (computer science)Global warmingEmissions tradingEconomicsNatural resource economicsWelfareMarket mechanismGreenhouse gasSustainable developmentKyoto ProtocolInvestment (military)Developing countryMechanism (biology)International economicsClimate changeMarket economyEconomic growthComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

This study attentively examines the role of the offset mechanism like the Clean Develop Mechanism (CDM) in mitigating global warming problems and considers its economic welfare implications in a theoretical offset environment. The CDM is a kind of offset trading scheme of carbon dioxide (CO2) emissions between advanced and developing economies. Formulating the essence of the offset market into a simple model, we interpret the right to trade CO2 emissions at an ideal price as rewards to advanced economies for investing in more CO2 saving technologies and/or factories in developing economies. Our model shows that under some conditions the CDM can succeed in suppressing CO2 emissions and become a second-best measure to mitigate global warming. Nevertheless, we also clarify that the prices of carbon offset in advanced economies are not generally sustainable without the help of the outside agencies such as the governments. This fact suggests that offset mechanism like the CDM incurs an additional burden, such as taxes to advanced economies for preserving the scheme, although the resultant transfer evidently equalizes the international income distribution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

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

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 Opus0,098
Tête enseignante GPT0,314
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetClimate Change Policy and EconomicsTravaux en français237 207