MétaCan
Menu
Retour à la cohorte
Enregistrement W2610266762

Achieving Sustainability Through Market Mechanisms

2015· article· en· W2610266762 sur OpenAlexaff
Benjamin Cashore, C. R. Elliott, Erica Pohnan, Michael W. Stone, Sébastien Jodoin

Notice bibliographique

RevueSSRN Electronic Journal · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSustainabilityIncentiveGovernment (linguistics)Status quoBusinessStewardship (theology)Environmental stewardshipPublic economicsControl (management)Industrial organizationMarket economyEconomicsPolitical scienceEnvironmental resource managementPolitics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For over a generation, government, business, and non-governmental organizations have been increasingly turning to “market mechanisms” to promote sustainable forestry around the world. In contrast to traditional “command and control” approaches in which governments require and enforce a specified behavior through mandatory regulations (Taylor et al. 2012) market mechanisms attempt to create economic incentives for firms, managers and individuals, to behave in ways that improve environmental stewardship and foster social values. Given that many have criticized previous efforts to combat deforestation for falling short of intended goals, the role and use of market mechanisms has become of great interest to practitioners, scholars and policy makers (McDermott 2014a). The direct impact of market mechanisms is not always easy to measure and is rarely immediate (Auld and Cashore 2012). Market mechanisms also interact with public policies in myriad ways. Depending on design and trajectory, these efforts can lead to standards that ‘ratcheting up’, ‘ratcheting down’, or produce status quo forestry practices. The purpose of this chapter is to shed light on these processes by exploring the multiple pathways through which market mechanisms exert influence.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,013
Communication savante0,0110,017
Science ouverte0,0020,010
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0300,004

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 Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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'étudeSans objet
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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetForest Management and PolicyTravaux en français237 207