MétaCan
Menu
Retour à la cohorte
Enregistrement W2901707827 · doi:10.1093/ajae/aay076

Spatial Renewable Resource Extraction under Possible Regime Shift

2018· article· en· W2901707827 sur OpenAlexafffund
Christopher Costello, Bruno Nkuiya, Nicolas Quérou

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaEuropean Association of Environmental and Resource EconomistsUniversity of California, Santa BarbaraAgence Nationale de la RechercheUniversity of Alberta
Mots-clésResource (disambiguation)Renewable energyExtraction (chemistry)Computer scienceRenewable resourceNatural resource economicsEngineeringComputer networkElectrical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract How will countries harvesting mobile natural resources react to the possibility of regime shift? We address the non‐cooperative exploitation of a migratory renewable resource in the presence of possible regime shift that affects its movement. Motivated by the anticipated effects of climate change, we model a regime shift that will alter the spatial movement patterns of the resource at some point in the future. We develop a stochastic spatial bioeconomic model to address the effects of this class of regime shift on non‐cooperative harvest decisions made by decentralized owners such as countries exploiting a migratory fish or other natural resource stock. We find that the threat of a future shift modifies the standard “golden rule”, and may induce more aggressive harvest everywhere, irrespective of whether the owner will be advantaged or disadvantaged by the shift. We also identify conditions under which the threat of regime shift induces owners to reduce harvest rates in advance of the shift. Our analysis suggests that different property rights structures (single ownership vs common property) or heterogeneous growth can give rise to previously unexplored incentives and can even reverse conventional wisdom about how countries will react to the prospect of future environmental change.

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)0,000
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 enseignants0,778
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,198
Écart entre enseignants0,194 · 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetEcosystem dynamics and resilienceTravaux en français237 207