MétaCan
Menu
Retour à la cohorte
Enregistrement W3127742672 · doi:10.3386/w28442

Solar Geoengineering, Learning, and Experimentation

2021· report· en· W3127742672 sur OpenAlexaff
David L. Kelly, Garth Heutel, Juan Moreno‐Cruz, Soheil Shayegh

Notice bibliographique

RevueNational Bureau of Economic Research · 2021
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGeoengineeringEnvironmental scienceComputer scienceClimate changeBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Solar geoengineering (SGE) can combat climate change by directly reducing temperatures. Both SGE and the climate itself are surrounded by great uncertainties. Implementing SGE affects learning about these uncertainties. We model endogenous learning over two uncertainties: the sensitivity of temperatures to carbon concentrations (the climate sensitivity), and the effectiveness of SGE in lowering temperatures. We present both theoretical and simulation results from an integrated assessment model, focusing on the informational value of SGE experimentation. Surprisingly, under current calibrated conditions, SGE deployment slows learning, causing a less informed decision. For any reasonably sized experimental SGE deployment, the temperature change becomes closer to zero, and thus more obscured by noisy weather shocks. Still, some SGE use is optimal despite, not because of, its informational value. The optimal amount of SGE is very sensitive to beliefs about both uncertainties.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,281
Tête enseignante GPT0,495
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetClimate Change and GeoengineeringTravaux en français237 207