MétaCan
Menu
Retour à la cohorte
Enregistrement W2619814250 · doi:10.1002/wcc.473

Rethinking the green state beyond the Global North: a South African climate change case study

2017· article· en· W2619814250 sur OpenAlexfundno aff
Sangeetha Chandrashekeran, Bronwen Morgan, Kim Coetzee, Peter Christoff

Notice bibliographique

RevueWiley Interdisciplinary Reviews Climate Change · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Environmental Policy
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of MelbourneInternational Development Research CentreWorld Wildlife FundU.S. Department of Energy
Mots-clésCorporate governanceNormativeClimate changeState (computer science)Environmental governancePolitical sciencePoliticsOrder (exchange)GeographyDevelopment economicsGreen growthEnvironmental degradationEnvironmental resource managementEnvironmental planningSustainable developmentEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

This study focuses on the role of the South African state in environmental governance, with particular reference to transformations in political authority and processes of capital accumulation. Our approach underscores the importance of analyzing state environmental efforts both empirically and normatively, in order to understand the underlying drivers of state policies that perpetuate or ameliorate environmental degradation. The tension between economic and ecological values lies at the heart of South Africa's approach to mitigation. We evaluate South Africa's performance on climate change mitigation policies and programs and show that while, empirically, South Africa may appear to be a partial or emerging green state, its performance is weak when assessed against normative frameworks.WIREs Clim Change2017, 8:e473. doi: 10.1002/wcc.473 This article is categorized under: Policy and Governance > National Climate Change Policy

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,006
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,093
Tête enseignante GPT0,329
Écart entre enseignants0,237 · 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'étudeQualitatif
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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Climate ChangeMême sujetSustainable Development and Environmental PolicyTravaux en français237 207