MétaCan
Menu
Retour à la cohorte
Enregistrement W2765381331

Developing a National Strategy for Climate Engineering Research in Canada

2017· article· en· W2765381331 sur OpenAlexaffabout
Alastair Neil Craik

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceSalience (neuroscience)Government (linguistics)Corporate governancePublic policyEmerging technologiesClimate changePosition (finance)Process (computing)Public administrationBusinessPublic relations
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Climate engineering (CE) is increasingly becoming an area of broad public policy interest within international and domestic climate policy discussions. In addition to receiving greater attention within regulatory contexts, there is a gradual shift toward greater support for nationally supported research programs on CE technologies and assessments. Despite the increased salience of CE, the issue has been largely absent from the Canadian public policy agenda. This paper argues that a national strategy for CE research ought to be developed as part of Canada’s broader climate strategy. At the centre of this strategy must be a commitment to ensuring a high level of public trust in the underlying science and a policy process that is open and responsive to public views. The development of a national CE research strategy is necessary because governance of CE cannot be undertaken in the absence of greater knowledge of CE technologies and their potential impacts. In addition, development of other climate responses, such as mitigation and adaption strategies, will need to be understood in light of the risks of CE, but also the risks associated with forgoing these technologies. As CE technologies become subject to increasing international oversight, the Canadian government needs to develop a greater understanding of these technologies as part of a coherent national position on CE.

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)0,044
score de la tête « metaresearch » (Gemma)0,038
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil0,865

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,006
Études des sciences et des technologies0,0210,008
Communication savante0,0160,005
Science ouverte0,0060,013
Intégrité de la recherche0,0110,009
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,334
Écart entre enseignants0,248 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetClimate Change and GeoengineeringTravaux en français237 207