MétaCan
Menu
Retour à la cohorte
Enregistrement W2979347092 · doi:10.1162/glep_a_00528

What Drives Norm Success? Evidence from Anti–Fossil Fuel Campaigns

2019· article· en· W2979347092 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGlobal Environmental Politics · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensNovelis (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubsidyDivestmentEconomicsNorm (philosophy)Early adopterAttractivenessEquity (law)Public economicsBusinessMicroeconomicsMarketingPolitical scienceMarket economyFinanceLaw

Résumé

récupéré en direct d'OpenAlex

Why do some international norms succeed, whereas others fail? We argue that norm campaigns are more likely to succeed when the actions they prescribe are framed as a solution to salient problems that potential adopters face, even if different from the problem that originally motivated norm entrepreneurs. For instance, the campaign to reduce environmentally harmful fossil fuel subsidies has been more effective when linked to fiscal stability, a common problem that policy makers face. Problem linkages can thus bolster the attractiveness of a proposed new norm and broaden the coalition of actors that support the norm. We probe the plausibility of this argument by studying two campaigns that aim to shift patterns of finance for fossil fuel production and consumption: subsidy reform and divestment. Subsidy reform encourages governments to reduce subsidies for products like gasoline; divestment encourages investors to sell or avoid equity stocks from fossil fuel industries. We look at the variation in the impact of these two campaigns over time and argue that they have achieved institutional acceptance and implementation chiefly when their advocates have been able to link environmental goals with other goals, usually economic ones.

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.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,013

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 Opus0,041
Tête enseignante GPT0,238
Écart entre enseignants0,196 · 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