MétaCan
Menu
Retour à la cohorte
Enregistrement W3184854684 · doi:10.1080/09692290.2021.1946708

Transition, hedge, or resist? Understanding political and economic behavior toward decarbonization in the oil and gas industry

2021· article· en· W3184854684 sur OpenAlexaff
Jessica Green, Jennifer Hadden, Thomas Hale, Paasha Mahdavi

Notice bibliographique

RevueReview of International Political Economy · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiversification (marketing strategy)PoliticsMultinational corporationEarningsFossil fuelEconomicsPetroleum industryHedgeMarket economyBusinessFinancePolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Many oil and gas firms claim they are going green. But are they actually walking the talk? We analyze the political and economic behavior of publicly traded oil majors to understand the degree to which they are decarbonizing. We collect a wide range of firm-level data from 2004 to 2019, including a novel measurement of political behavior based on original coding of corporate earnings calls. Our analysis yields four main findings. First, firms’ political and economic behavior are not necessarily correlated, demonstrating the value of a two-pronged political economy approach to the study of multinational firms. Second, not a single firm is shifting away from fossil fuels during the time frame studied. Changes in business behavior have been relatively modest in scope. The most ambitious firms are engaging in hedging—mitigating risk through diversification rather than moving toward decarbonization. Third, major oil and gas firms meliorate anti-climate political positions between 2010 and 2018. Finally, firms with greater progress towards decarbonization tend to be located in or sell their products in jurisdictions with more stringent environmental regulation, have smaller refining sectors, and be involved in more industry coalitions.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,304
Écart entre enseignants0,257 · 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

Citations142
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of International Political EconomyMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207