MétaCan
Menu
Retour à la cohorte
Enregistrement W3123587431

The UNFCCC at a Crossroads: Can Increased Involvement of Business and Industry Help Rescue the Multilateral Climate Regime?

2012· preprint· en· W3123587431 sur OpenAlexaboutno aff
Joëlle de Sépibus

Notice bibliographique

RevueBern Open Repository and Information System (University of Bern) · 2012
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of BernSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésNegotiationGeneral partnershipBusinessCivil societyEuropean unionPrivate sectorInternational tradeInvestment (military)Political scienceEconomic growthEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Significant progress in the multilateral negotiations on climate change will only be made if civil society and in particular business and industry stakeholders actively contribute to shape it. Admitted to the international negotiations in the form of non governmental organisations (NGOs), business and industry entities continue however to be far more active at the national than at the international level. Their pro-active investment in new international policy spaces is hence highly warranted. The enhanced participation of the private sector in the multilateral climate regime, however, faces many challenges that will have to be overcome. Lessons on how to achieve an effective involvement may be drawn in particular from the Montreal Protocol on ozone-depleting substances, the World Trade Organisation, the European Union and the Asia-Pacific Partnership on Clean Development and Climate. A preliminary condition for an effective dialogue with business and industry stakeholders is a transparent process. Moreover, systematic consultations with stakeholders should be held, allowing a regular exchange of information and the effective channeling of the expertise of the private sector into the negotiation process.

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)0,016
score de la tête « metaresearch » (Gemma)0,041
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,005
Communication savante0,0070,013
Science ouverte0,0020,005
Intégrité de la recherche0,0150,007
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,048
Tête enseignante GPT0,212
Écart entre enseignants0,164 · 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
GenreEmpirique

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

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBern Open Repository and Information System (University of Bern)Même sujetClimate Change Policy and EconomicsTravaux en français237 207