MétaCan
Menu
Retour à la cohorte
Enregistrement W3182413613 · doi:10.1016/j.ecolecon.2021.107142

Have environmental preferences and willingness to pay remained stable before and during the global Covid-19 shock?

2021· article· en· W3182413613 sur OpenAlexaboutno aff
Stephen Hynes, Claire W. Armstrong, Bui Bich Xuan, Isaac Ankamah‐Yeboah, Katherine Simpson, Rob Tinch, Adriana Ressurreição

Notice bibliographique

RevueEcological Economics · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesHorizon 2020European Commission
Mots-clésWillingness to payFlemishCoronavirus disease 2019 (COVID-19)PandemicEconomicsShock (circulatory)EconometricsDemographic economicsMultivariate statistics2019-20 coronavirus outbreakPublic economicsSocioeconomicsGeographyStatisticsMathematicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study tests the stability of environmental preferences and willingness to pay (WTP) values using a discrete choice experiment (DCE) across three countries pre and post the peak of the first wave of the Covid-19 pandemic. A DCE examining the public's preferences for alternative environmental management plans on the high seas, in the area of the Flemish Cap, was carried out in Canada, Scotland and Norway in late 2019 and was rerun in early May 2020 shortly after the Covid-19 pandemic had officially peaked in the three countries. The same choice set sequence is tested across the two periods, using different but nationally representative samples in each case. Entropy balancing, a multivariate reweighting method, is used to achieve covariate balance between the pre and post Covid samples in the analysis. The results suggest that both preferences and WTP remain relatively stable in the face of a major public health crisis and economic upheaval.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,050
Tête enseignante GPT0,215
Écart entre enseignants0,166 · 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'étudeObservationnel
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

Citations41
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological EconomicsMême sujetEconomic and Environmental ValuationTravaux en français237 207