MétaCan
Menu
Retour à la cohorte
Enregistrement W3192512183 · doi:10.17323/1996-7845-2021-02-03

From Silos to Synergies: G20 Governance of the SDGs, Climate Change & Digitalization

2021· article· en· W3192512183 sur OpenAlexaff
John Kirton, Brittaney Warren

Notice bibliographique

RevueInternational Organisations Research Journal · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBusiness and Economic Development
Établissements canadiensTrinity CollegeUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSummitSustainable developmentDigitizationClimate changePolitical scienceCorporate governanceClimate governanceMainstreamingEnvironmental resource managementGeographyEconomicsEngineeringManagementEcology

Résumé

récupéré en direct d'OpenAlex

How well and why have Group of 20 (G20) summits advanced Agenda 2030’s sustainable development goals (SDGs) in a synergistic way, with climate change and digitization at the core? An answer to this urgent, indeed existential, question comes from a systematic analysis of G20 summit governance of the SDGs, climate change and digitization to assess the ambition and appropriateness of advances within each pillar and the synergistic links among them. This analysis examines G20 governance of the SDGs, sustainable development, climate change and digitization across the major dimensions of performance and evaluates how performance has changed and become synergistic with the advent of the SDGs in 2015 and the shock of the COVID-19 crisis in 2020. The latter has shown the need to prevent global ecological crises and spurred the digitization of the economy, society and health. Yet, G20 summit governance has largely remained in separate silos, doing little to use the digital revolution to address climate change or reach the SDGs. This highlights the need for G20 leaders to forge links at their future summits by mainstreaming the SDGs and mobilizing the digital revolution and climate action for future health and well-being.

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)0,015
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0040,019
Communication savante0,0150,013
Science ouverte0,0010,013
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,066
Tête enseignante GPT0,321
Écart entre enseignants0,255 · 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'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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Organisations Research JournalMême sujetBusiness and Economic DevelopmentTravaux en français237 207