MétaCan
Menu
Retour à la cohorte
Enregistrement W3080710379 · doi:10.1016/j.oneear.2020.08.001

Integrated Climate-Change Assessment Scenarios and Carbon Dioxide Removal

2020· review· en· W3080710379 sur OpenAlexaff
Vanessa Schweizer, Kristie L. Ebi, Detlef P. van Vuuren, Henry D. Jacoby, Keywan Riahi, Jessica Strefler, Kiyoshi Takahashi, Bas van Ruijven, John P. Weyant

Notice bibliographique

RevueOne Earth · 2020
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of WaterlooBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental scienceGreenhouse gasEnvironmental resource managementScale (ratio)Scenario analysisEnvironmental economicsNatural resource economicsComputer scienceBusinessEcologyGeographyCartographyEconomics

Résumé

récupéré en direct d'OpenAlex

To halt climate change this century, we must reduce carbon dioxide (CO 2 ) emissions from human activities to net zero. Any emission sources, such as in the energy or land-use sectors, must be balanced by natural or technological carbon sinks that facilitate CO 2 removal (CDR) from the atmosphere. Projections of demand for large-scale CDR are based on an integrated scenario framework for emission scenarios composed of emission profiles as well as alternative socio-economic development trends and social values consistent with them. The framework, however, was developed years before systematic reviews of CDR entered the literature. This primer provides an overview of the purposes of scenarios in climate-change research and how they are used. It also introduces the integrated scenario framework and why it came about. CDR studies using the scenario framework, as well as its limitations, are discussed. Possible future developments for the scenario framework are highlighted, especially in relation to CDR.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,218
Tête enseignante GPT0,310
Écart entre enseignants0,093 · 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
GenreSynthèse

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

En bref

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOne EarthMême sujetClimate Change Policy and EconomicsTravaux en français237 207