Cause-effect analysis for sustainable development policy
Notice bibliographique
Résumé
The sustainable development goals (SDGs) launched by the United Nations (UN) set a new direction for development covering the environmental, economic, and social pillars. Given the complex and interdependent nature of the socioeconomic and environmental systems, however, understanding the cause-effect relationships between policy actions and their outcomes on SDGs remains as a challenge. We provide a systematic review of cause-effect analysis literature in the context of quantitative sustainability assessment. The cause-effect analysis literature in both social and natural sciences has significantly gained its breadth and depth, and some of the pioneering applications have begun to address sustainability challenges. We focus on randomized experiment studies, natural experiments, observational studies, and time-series methods, and the applicability of these approaches to quantitative sustainability assessment with respect to the plausibility of the assumptions, limitations and the data requirements. Despite the promising developments, however, we find that quantifying the sustainability consequences of a policy action, and providing unequivocal policy recommendations based on it is still a challenge. We recognize some of the key data requirements and assumptions necessary to design formal experiments as the bottleneck for conducting scientifically defensible cause-effect analysis in the context of quantitative sustainability assessment. Our study calls for the need of multi-disciplinary effort to develop an operational framework for quantifying the sustainability consequences of policy actions. In the meantime, continued efforts need to be made to advance other modeling platforms such as mechanistic models and simulation tools. We highlighted the importance of understanding and properly communicating the uncertainties associated with such models, regular monitoring and feedback on the consequences of policy actions to the modelers and decision-makers, and the use of what-if scenarios in the absence of well-formulated cause-effect analysis.
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 | 0,082 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,007 | 0,013 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,002 |
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 ».