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 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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,678
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,086
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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