MétaCan
Menu
Retour à la cohorte
Enregistrement W3000895318 · doi:10.1007/s13280-019-01312-9

Refining national greenhouse gas inventories

2020· article· en· W3000895318 sur OpenAlexfundno aff
Leehi Yona, Benjamin Cashore, Robert B. Jackson, Jean Pierre Ometto, Mark A. Bradford

Notice bibliographique

RevueAMBIO · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesYale School of Forestry and Environmental StudiesPierre Elliott Trudeau FoundationStanford Woods Institute for the EnvironmentYale University
Mots-clésGreenhouse gasProcess (computing)Climate changeEnvironmental scienceTask (project management)Environmental economicsEnvironmental resource managementEnvironmental planningBusinessRefining (metallurgy)Natural resource economicsComputer scienceEconomicsEngineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

The importance of greenhouse gas inventories cannot be overstated: the process of producing inventories informs strategies that governments will use to meet emissions reduction targets. The Intergovernmental Panel on Climate Change (IPCC) leads an effort to develop and refine internationally agreed upon methodologies for calculating and reporting greenhouse gas emissions and removals. We argue that these guidelines are not equipped to handle the task of developing national greenhouse gas inventories for most countries. Inventory guidelines are vital to implementing climate action, and we highlight opportunities to improve their timeliness and accuracy. Such reforms should provide the means to better understand and advance the progress countries are making toward their Paris commitments. Now is the time to consider challenges posed by the current process to develop the guidelines, and to avail the policy community of recent major advances in quantitative and expert synthesis to overhaul the process and thereby better equip multi-national efforts to limit climate 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 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)0,045
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0050,009
Science ouverte0,0030,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,209
Écart entre enseignants0,191 · 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'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

Citations65
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207