A"Delphi exercise"as a tool in Amazon rainforest valuation
Notice bibliographique
Résumé
The Amazon rainforest, the world's largest and most biodiverse, represents a global public good of which 15 percent has already been lost. The worldwide value of preserving the remaining forest is today unknown. ADelphiexercise was conducted involving more than 200 environmental valuation experts from 36 countries, who were asked to predict the outcome of a survey to elicit willingness to pay for Amazon forest preservation among their own countries'populations. Expert judgments of average willingness-to-pay levels, per household per year, to fund a plan to protect all of the current Amazon rainforest up to 2050, range from $4 to $36 in 12 Asian countries, to near $100 in Canada, Germany, and Norway, with other high-income countries in between. Somewhat lower willingness-to-pay values were found for a less strict plan that allows a 12 percent further rainforest area reduction. The elasticity of experts'willingness-to-pay assessments with respect to own-country per capita income is slightly below but not significantly different from unity when results are pooled across countries and income is adjusted for purchasing power parity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,307 | 0,261 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».