Disagreement and Design: Searching for Consensus in the Climate Policy and Intergenerational Discounting Debate
Notice bibliographique
Résumé
Current approaches to discounting in climate policy present a seemingly intractable problem. While it is widely recognized that choice of discount rate in climate models can easily dwarf the effect of other parameter inputs, there is at present a very wide disagreement, both in law and in economics, about the appropriate discount rate to use. This Paper provides a framework for achieving a workable consensus range for acceptable discount rates in climate models. It does so by emphasizing three factors previously ignored in the literature. First, it demonstrates that the choice of discount rate should be tailored to the type of climate model at issue, distinguishing particularly between policy evaluation models and optimization models. Second, it suggests that some disagreement in these debates is fundamental (reflecting deep unbridgeable differences in views about the proper scope of the market), while some disagreement is not. By focusing attention on the non-fundamental sorts of disagreement, it becomes possible to shrink the consensus range of plausible discount rates. Third, this Paper argues that some of the current disagreement about the choice of discount rate for modeling purposes on the front-end can actually be better addressed through elements of program design on the back-end.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,213 | 0,301 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,040 |
| Communication savante | 0,015 | 0,023 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,015 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».