MétaCan
Menu
Retour à la cohorte
Enregistrement W3034053648 · doi:10.1080/15487733.2020.1765679

A tale of two crises: COVID-19 and climate

2020· article· en· W3034053648 sur OpenAlexafffund
Jochen Markard, Daniel Rosenbloom

Notice bibliographique

RevueSustainability Science Practice and Policy · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNorges Forskningsråd
Mots-clésProsperityPandemicSustainabilityCoronavirus disease 2019 (COVID-19)Climate changeBusinessFace (sociological concept)ScarcityEconomic growthSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Political scienceDevelopment economicsNatural resource economicsEconomicsSociologyMedicineMarket economy

Résumé

récupéré en direct d'OpenAlex

In response to the COVID-19 pandemic, governments around the world are mobilizing unprecedented public resources to mitigate economic collapse. However, these new programs run the risk of paying insufficient attention to the multiple sustainability crises we face. Climate change, in particular, threatens the very basis for continued human prosperity and requires an equal, if not greater, societal mobilization. In this policy brief, we argue that the response to the coronavirus outbreak also offers an opportunity to advance the climate agenda. Indeed, given that we have scarce resources at our disposal, it is essential that we synergize such efforts. We propose that this can be accomplished in two primary ways: (1) harnessing the disruptive forces of the COVID-19 pandemic to accelerate the decline of carbon-intensive industries, technologies, and practices, and (2) leveraging responses to drive low-carbon innovation. From these two strategies, we outline five principles of “sustainability transition policy” to serve as a guide during these challenging times.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,013
Communication savante0,0130,015
Science ouverte0,0020,011
Intégrité de la recherche0,0160,021
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,037
Tête enseignante GPT0,430
Écart entre enseignants0,392 · 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
GenreCommentaire

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

En bref

Citations100
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainability Science Practice and PolicyMême sujetCOVID-19 impact on air qualityTravaux en français237 207