MétaCan
Menu
Retour à la cohorte
Enregistrement W4205381129 · doi:10.33423/jabe.v23i3.4341

False Hopes, Missed Opportunities: How Economic Models Affect the IPCC Proposals in Special Report 15 “Global Warming of 1.5 °C” (2018). An Analysis From the Scientific Advisory Board of BUND

2021· article· en· W4205381129 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied Business and Economics · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDamagesOvershoot (microwave communication)Consumption (sociology)SustainabilityClimate changeNatural resource economicsGlobal warmingEnvironmental economicsExpert elicitationEnvironmental resource managementEnvironmental scienceBusinessEconomicsEngineeringMeteorologyGeographyPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

The 2018 IPCC Special Report SR15 developed four scenarios how temperature increases could either be limited to 1.5°, or, in the case of overshoot, could be brought back to that level by 2100. However, the Carbon Dioxide Removal options discussed to achieve “negative emissions” will affect not only the climate system, but also biodiversity and the ecosystem services it provides. Unfortunately, the Integrated Assessment Models, and in particular the economic models incorporated in them were capable of integrating only a selective fraction of these effects, and ignore potential tipping points triggering irreversible processes, policies beyond economic instruments and consumption changes to happen over the next 80 years. Our analysis is based on an interdisciplinary expert elicitation, analysing the options suggested by the IPCC one by one. We find that most of them are associated with biodiversity loss, hazardous chemicals dispersion, enhanced energy consumption and/or other severe other damages. We suggest which measures can be applied sustainably, which should be dropped, and which additional ones have been omitted by the report.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

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

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 Opus0,123
Tête enseignante GPT0,254
Écart entre enseignants0,131 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetClimate Change Policy and EconomicsTravaux en français237 207