MétaCan
Menu
Retour à la cohorte
Enregistrement W3124907962 · doi:10.1017/aju.2020.89

Climate Change: Reversing the Past and Advancing the Future

2021· article· en· W3124907962 sur OpenAlexaboutno aff
Daniel Bodansky

Notice bibliographique

RevueAJIL Unbound · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatus quoAdministration (probate law)Political sciencePublic administrationState (computer science)ReversingAction (physics)UndoWork (physics)LawEngineering

Résumé

récupéré en direct d'OpenAlex

After four years of not simply inaction but significant retrogression in U.S. climate change policy, the Biden administration has its work cut out. As a start, it needs to undo what Trump did. The Biden administration took a step in that direction on Day 1 by rejoining the Paris Agreement. But simply restoring the pre-Trump status quo ante is not enough. The United States also needs to push for more ambitious global action. In part, this will require strengthening parties’ nationally determined contributions (NDCs) under the Paris Agreement; but it will also require actions by what Sue Biniaz, the former State Department climate change lawyer, likes to call the Greater Metropolitan Paris Agreement—that is, the array of other international actors that help advance the Paris Agreement's goals, including global institutions such as the International Maritime Organization (IMO), the Montreal Protocol, and the World Bank, as well as regional organizations and non-state actors. Although the Biden administration can pursue some of these international initiatives directly through executive action, new regulatory initiatives will face an uncertain fate in the Supreme Court. So how much the Biden Administration is able to achieve will likely depend significantly on how much a nearly evenly-divided Congress is willing to support.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,012
Communication savante0,0110,012
Science ouverte0,0010,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,205 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAJIL UnboundMême sujetClimate Change and GeoengineeringTravaux en français237 207