The Impact of Innovation and Information Technology on Greenhouse Gas Emissions: A Case of the Visegrád Countries
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.
Notice bibliographique
Résumé
The rapid growth of negative consequences from climate changes provokes divergent effects in all economic sectors. The experts proved that a core catalyst which bootstrapped the climate changes was greenhouse gas emission. This has led to a range of social, economic, and ecological issues. Such issues could be solved by extending innovation and information technology. This paper aimed to check the hypothesis that innovation and information technology allowed for a reduction of greenhouse gas emissions. The author used such methodology as OLS, fully modified OLS (FMOLS), dynamic OLS (DMOLS), Dicky-Fuller and Phillips-Perron tests. The research is informed by the report of the World Economic Forum, World Data Bank, Eurostat for the Visegrád countries (Hungary, Poland, Check Republic, Slovakia) for the period of 2000–2019. The findings were confirmed in models without control variables, and an increase of 1% of patents led to reducing greenhouse gas (GHG) emissions by 0.28% for Poland, 0.28% for Hungary, 0.38% for the Slovak Republic and 0.46% for the Czech Republic. At the same time, for the models with control variables, only Hungary experienced a statistically significant impact. There, an increase of patents by 1% led to reduction of GHG emissions by 0.22%. The variable R&D expenditure was statistically significant for all countries and all types of models (with and without control variables). The increase of R&D expenditure provoked a decline of GHG emissions by 0.29% (without control variables) and 0.11% (with control variables) for Poland, by 0.26% (without control variables) and 0.41% (with control variables) for Hungary, by 0.3% (without control variables) and 0.23% (with control variables) for the Slovak Republic and by 0.54% (without control variables) and 0.38% (with control variables) for the Czech Republic.
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 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle