MétaCan
Menu
Retour à la cohorte
Enregistrement W3155584140 · doi:10.1007/s10666-021-09768-4

Transboundary pollution control and competitiveness concerns in a two-country differential game

2022· article· en· W3155584140 sur OpenAlexaff
Simone Marsiglio, Nahid Masoudi

Notice bibliographique

RevueCINECA IRIS Institutial research information system (University of Pisa) · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesUniversità di Pisa
Mots-clésDifferential gameHomogeneousDifferential (mechanical device)PollutionControl (management)EconomicsClimate policySet (abstract data type)Environmental policyBusinessEconomic systemNatural resource economicsClimate changeEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

We analyze a transboundary pollution control problem in a heterogeneous two-country differential game setting in which regulators care for the implications of environmental policies on the competitiveness. We characterize the noncooperative and the cooperative solutions, showing that under both scenarios, in presence of competitiveness considerations, heterogeneous countries will generally set different carbon taxes. This suggests, while implementing a mitigation policy is necessary to combat climate change, a universally homogeneous policy may not be optimal. Moreover, when countries are symmetric, except for their degree of competitiveness concerns, under noncooperation introduction of such concerns lowers the abatement policies in both countries, however, the self-effect is stronger than the cross-effect. Nevertheless, under cooperation, an increase in country j's competitiveness concerns leads to more stringent policies in country i, while the self-effect could be either positive or negative. The latter result emphasizes the importance of cooperation to tackle pollution in the presence of competitiveness concerns.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
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 Opus0,089
Tête enseignante GPT0,286
Écart entre enseignants0,197 · 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.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCINECA IRIS Institutial research information system (University of Pisa)Même sujetClimate Change Policy and EconomicsTravaux en français237 207