Break-even year: a concept for understanding intergenerational trade-offs in climate change mitigation policy
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.
Notice bibliographique
Résumé
Abstract Global climate change mitigation is often framed in public discussions as a tradeoff between environmental protection and harm to the economy. However, climate-economy models have consistently calculated that the immediate implementation of greenhouse gas emissions restriction (via e.g. a global carbon price) would be in humanity’s best interest on purely economic grounds. Despite this, the implementation of global climate policy has been notoriously difficult to achieve. This evokes an apparent paradox: if the implementation of a global carbon price is not only beneficial to the environment, but is also ‘economically optimal’, why has it been so difficult to enact? One potential reason for this difficulty is that economically optimal greenhouse gas emissions restrictions are not economically beneficial for the generation of people that launch them. The purpose of this article is to explore this issue by introducing the concept of the break-even year, which we define as the year when the economically optimal policy begins to produce global mean net economic benefits. We show that in a commonly used climate-economy model (DICE), the break-even year is relatively far into the future—around 2080 for mitigation policy beginning in the early 2020s. Notably, the break-even year is not sensitive to the uncertain magnitudes of the costs of climate change mitigation policy or the costs of economic damages from climate change. This result makes it explicit and understandable why an economically optimal policy can be difficult to implement in practice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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