MétaCan
Menu
Retour à la cohorte
Enregistrement W3001155235 · doi:10.1787/dc34d5e3-en

Study of International Regulatory Co-operation (IRC) arrangements for air quality

2020· paratext· en· W3001155235 sur OpenAlexaboutno aff
Céline Kauffmann, Camila Saffirio

Notice bibliographique

RevueOECD regulatory policy working papers · 2020
Typeparatext
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Policies and Emissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAir quality indexChinaAir pollutionGovernment (linguistics)East AsiaBusinessQuality (philosophy)Scope (computer science)ConventionEnvironmental planningInternational tradePolitical scienceEnvironmental protectionEnvironmental scienceGeographyMeteorologyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

China, Japan and Korea have deployed a multiplicity of co-operation efforts at different levels of government to promote air quality and curb transboundary pollution. This paper identifies the existing arrangements for air quality co-operation in North East Asia and provides guidance to advance the co-operation required to face cross-border air pollution building on the experience of two long-standing co-operative agreements in this area: the Canada-United States Air Quality Agreement and UNECE’s Convention on Long-Range Transboundary Air Pollution. This paper finds that the multilateral arrangements existent in North East Asia are yet to produce a comprehensive science-based regional approach to address transboundary air pollution. Key suggestions for countries to capitalise on the stronger momentum for co-operation in this area include: i) building on the existing frameworks for international regulatory co-operation for air quality; ii) advancing a common understanding of transboundary air pollution across scientific regional arrangements; and iii) strengthening the domestic policy frameworks for air quality in each country as a key prerequisite.

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)0,012
score de la tête « metaresearch » (Gemma)0,017
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,007
Communication savante0,0080,007
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,044
Tête enseignante GPT0,332
Écart entre enseignants0,288 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOECD regulatory policy working papersMême sujetEnvironmental Policies and EmissionsTravaux en français237 207