MétaCan
Menu
Retour à la cohorte
Enregistrement W4200565926 · doi:10.18601/01245996.v24n26.13

Las estimaciones erróneas de los daños del cambio climático

2021· article· es· W4200565926 sur OpenAlexaff
Steve Keen, Timothy M. Lenton, Antoine Godin, Devrim Yılmaz, Matheus R. Grasselli, Timothy J. Garrett

Notice bibliographique

RevueRevista de Economía Institucional · 2021
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Los economistas predicen que los daños del calentamiento global serán de un 2,1% de la producción mundial si la temperatura media de la superficie del planeta aumenta en 3°C, y de un 7,9% si aumenta 6°C. Esas estimaciones contrastan con la predicción de los científicos: la fuerte reducción de la habitabilidad humana debida al cambio climático. Pero los modelos que usan para hacer esas predicciones influyen en el debate internacional sobre el tema y en las prescripciones de política. Aquí revisamos ese trabajo empírico y mostramos que subestima gravemente los daños del cambio climático al cometer varios errores. Y más importante, que el modelo de evaluación integrada DICE no genera un colapso económico, independientemente del nivel de daños. Debido a tales defectos, esas estimaciones se deberían rechazar por no ser científicas, y los modelos calibrados con ellas no se deberían utilizar para evaluar los riesgos económicos del cambio climático ni para proponer políticas que atenúen los daños.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 Opus0,065
Tête enseignante GPT0,286
Écart entre enseignants0,221 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Economía InstitucionalMême sujetClimate Change Policy and EconomicsTravaux en français237 207