Carbonated Fodder: The Social Cost of Carbon in Canadian and U.S. Regulatory Decision-Making
Notice bibliographique
Résumé
For decades, cost-benefit analysis has been criticized while it has simultaneously been a core analytical tool in regulatory decision-making. Scrutiny of a relatively new component of cost-benefit analysis used to measure environmental benefits—the “social cost of carbon” (“SCC”)—provides fresh evidence that confirms long-standing concerns around bias, manipulation, uncertainty, and moral judgment. This Article is the first to examine and compare use of the social cost of carbon in Canadian and U.S. carbon emissions regulatory decision-making. It reveals that despite fundamental differences between the two countries, regulators on either side of the border use similar or identical dollar values and modelling. This practice erroneously assumes commonalities across the two countries that have not been empirically proven, including with respect to risk tolerance, moral judgment, value of ecosystem services, and the value of a human life. Additionally, the analysis finds differences in the way SCC values are selected and used by Canadian and U.S. decision-makers, demonstrating that another example of cost-benefit analysis is susceptible to bias and arbitrary decisions. This in turn undermines the credibility of regulatory decisions in the carbon emissions realm at a critical time in global climate governance. The Article goes on to suggest that SCC represents an opportunity for cost-benefit analysis to evolve and contribute to sound regulatory decision-making, but further improvement is needed to do so.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».