To facilitate a fair bioeconomy transition, stronger regional‐level linkages are needed
Notice bibliographique
Résumé
Abstract The great hopes in Brussels that a circular bioeconomy will help bridge the growing divide between urban and rural areas and allow the hinterlands to prosper from ‘green growth’ are addressed in this article, which reflects on insights from three Nordic case studies of brown, green and blue biomass use at different levels of technology readiness. A closer examination of the forward, backward, fiscal and final demand linkages at regional level from increased biomass utilization, from eastern Finland and northern Sweden to Jutland and North Atlantic islands, suggests that linkages are and will remain relatively weak, predominantly dashing the expectations. As suppliers and exporters of natural resources, disadvantaged regions may all too easily get locked into a ‘staples trap’, where the value creation evaporates owing in part to the steep start‐up costs and the associated boom‐and‐bust cycles, which place them in a weak position vis‐à‐vis the resource manufacturers and consumers. To make the prospects of development, employment and prosperity in the hinterlands materialize, measures are needed to strengthen the regional‐level economic linkages. Regional‐level revolving funds based on benefit‐sharing instruments related to natural resources can be used to bolster economic development, as reflected in such schemes present in both China and Canada. We call for further research into whether and how such approaches can be replicated successfully by channeling revenues from biomass cultivation to regional‐scale revolving funds, with mandates to strengthen long‐term economic linkages and prosperity within the hinterlands. © 2022 The Authors. Biofuels, Bioproducts and Biorefining published by Society of Industrial Chemistry and John Wiley & Sons Ltd
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».