MétaCan
Menu
Retour à la cohorte
Enregistrement W2772044847 · doi:10.1111/reel.12210

Soft law in the Paris Climate Agreement: Strength or weakness?

2017· article· en· W2772044847 sur OpenAlexaboutno aff
Peter Lawrence, Daryl B. Wong

Notice bibliographique

RevueReview of European Comparative & International Environmental Law · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Aviation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoft lawHard lawTreatyTransparency (behavior)PoliticsLaw and economicsFlexibility (engineering)LawPolitical scienceMontreal ProtocolInternational lawEconomicsOzone layer

Résumé

récupéré en direct d'OpenAlex

In the lead‐up to the Paris Agreement, and in reactions to it since its adoption, there has been a narrative which emphasizes the perceived advantages of key mitigation obligations in the Agreement being non‐binding or ‘soft’ law. Central to these advantages is the idea that soft law obligations were a precondition for United States, China and wider participation in the Agreement, and also desirable in terms of flexibility. This article challenges the soft law narrative, arguing that the Paris Agreement's use of non‐binding ‘nationally determined contributions’ has come at a cost in terms of likely effectiveness. Empirical studies comparing hard (binding) and soft law obligations in terms of compliance and effectiveness are equivocal, but precision of obligations and effective non‐compliance mechanisms are essential. Moreover, when States have a strong political will to change behaviour, treaty instruments containing hard obligations have been considered to be more likely to be effective (e.g., ozone agreements, World Trade Organization agreements and arms control treaties). The development of the transparency, review and non‐compliance elements of the Paris Agreement is essential, but is no substitute for strong political will to reduce emissions. In addition, it is crucial to muster the political will to ratchet up the Paris mitigation commitments and transform them from soft to hard obligations. The article assesses options for doing this, including a Conference of the Parties decision and a political declaration.

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)0,029
score de la tête « metaresearch » (Gemma)0,032
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 enseignants0,029
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,042
Communication savante0,0190,018
Science ouverte0,0020,008
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,048
Tête enseignante GPT0,349
Écart entre enseignants0,302 · 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

Citations53
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European Comparative & International Environmental LawMême sujetInternational Law and AviationTravaux en français237 207