Assessing SDGs: A New Methodology to Measure Sustainability
Notice bibliographique
Résumé
The FEEM project APPS – Assessment, Projections and Policy of Sustainable Development Goals – focuses on the quantitative assessment of the seventeen Sustainable Development Goals (SDGs), adopted by the United Nations at the end of September 2015. The project consists of two phases. The first, retrospective, computes indicators for all SDGs in 139 countries and then derives a composite multi-dimensional index and a worldwide ranking of current sustainability. This allows informing on strengths and weaknesses of today socio-economic development, as well as environmental criticalities, all around the world. The second phase, prospective, aims at evaluating the future trends of sustainability in the world by 2030. The assessment of the SDGs is carried out by means of an extended version of the recursive-dynamic computable general equilibrium ICES macro-economic model that includes social and environmental indicators. The final goal is to highlight future challenges left unsolved in next 15 years of socio-economic development and analyze costs and benefits of specific policies to support the achievement of proposed targets. This paper presents the methodology and the results of the retrospective assessment. Five main steps are described: i) screening of indicators eligible to address the UN SDGs; ii) data collection from relevant sources; iii) organization in the three pillars of sustainability (economy, society, environment); iv) normalization to a common metrics; v) aggregation of the 25 indicators in composite indices by pillars as well as in the multi-dimensional index. The final ranking summarizes countries’ sustainability performance. As expected, Middle-North European countries are at top of the ranking (Sweden, Norway and Switzerland the first three), with the most industrialized European countries such as Germany and UK, however, penalized by insufficient environmental performance. Other highly developed countries are between 24th (Canada) and 52nd place (United States). The emerging nations are scattered in our sustainability ranking. Brazil (43rd) and Russia (45th) precede China (80th) and India (102nd), the latter two especially penalized because of their social complexity. The worst performances, in terms of overall sustainability, are in Sub-Saharan Africa (Comoros, the Central African Republic and Chad occupy the last places in the ranking).
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 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».