MétaCan
Menu
Retour à la cohorte
Enregistrement W4212899532 · doi:10.31219/osf.io/652jf

KEBIJAKAN INDONESIA MENOLAK MENGGUNAKAN MEKANISME AATHP JOINT EMERGENCY RESPONSE DALAM MENGATASI KEBAKARAN HUTAN DAN LAHAN 2015

2022· article· en· W4212899532 sur OpenAlexaff
Luerdi Luerdi, Melly Wulandary

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésHazePolitical scienceIncentiveSoutheast asiaState (computer science)EconomyGeographyEconomicsSociologyMeteorologyEthnology

Résumé

récupéré en direct d'OpenAlex

This paper aims to explain Indonesia’s rejection to resolve its 2015 forest and land fire disaster under the mechanism of Joint Emergency Response provided in the ASEAN Agreement on Transboundary Haze Pollution. The haze caused by forest and land fires in Indonesia raised threats to not only itself but also states in the region of Southeast Asia. As it was declared as a regional problem, ASEAN then responded by creating a common framework called the ASEAN Agreement on Transboundary Haze Pollution in 2002 and Indonesia was the last ratifying the agreement in 2014; more than a decade after its inception. Indonesia, however, refused to pick the AATHP Joint Emergency Response to tackle the 2015 disaster within its territory despite its most serious recurring disaster since 1997. This research applied the qualitative method with a causal correlation analysis. The research applied Charles O. Lerche and Abdul A. Said’s national interest theory. The research found that Indonesia’s rejection was driven by its national interests such as image, economy and politics which were much more important than others. Instead, Indonesia preferred the domestic efforts and bilateral cooperation to respond to it. The paper argues that the Southeast Asian regional institution is not able to offer incentives overtaking states’ domestic-oriented national interests.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,000

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOil Palm Production and SustainabilityTravaux en français237 207