MétaCan
Menu
Retour à la cohorte
Enregistrement W3124741531 · doi:10.1093/isq/sqaa092

Does Institutional Proliferation Undermine Cooperation? Theory and Evidence from Climate Change

2021· article· en· W3124741531 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Studies Quarterly · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensConcordia University
Organismes subventionnairesRobertson Foundation
Mots-clésPaceArgument (complex analysis)Join (topology)Work (physics)State (computer science)Climate changePoliticsPolitical scienceEconomic systemPolitical economyBusinessSociologyEconomicsLawComputer scienceGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Global politics has undergone a tremendous institutional proliferation, yet many questions remain about why states join these new institutions and whether they support cooperation. I build on existing work to develop a general theory of state participation in dense institutional environments that also helps to explain cooperative outcomes. I argue that states may be dissatisfied when cooperation proceeds either too slowly or too quickly and that these two types of dissatisfaction motivate opposing participation behaviors. Deepeners are states that are dissatisfied with the slow pace of cooperation and join institutions to support cooperation, while fragmenters are states dissatisfied with the quick pace and join institutions to undermine cooperation. I evaluate my argument using new data on sixty-three climate institutions and states’ greenhouse gas mitigation targets in the Paris Agreement on Climate Change. I find that membership in climate institutions designed to facilitate implementation is associated with more ambitious targets, while membership in general is unrelated to targets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,320
Écart entre enseignants0,173 · 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