Best practices for Strategic Environmental Assessment and application to the Ontario Long-Term Energy Plan
Notice bibliographique
Résumé
Research shows that project-level Environmental Assessment (EA) in Ontario is failing to achieve the goals that it was designed to meet, including protection and management of the environment. The practice of Strategic Environmental Assessment (SEA) is emerging internationally and an increasing number of countries and organizations are carrying out SEA either formally or informally. Although there is a considerable amount of debate in terms of standardized SEA methodology, SEA is seen as a proactive tool for incorporating sustainability objectives within Policies, Plans and Programmes (PPPs) and addressing cumulative and long-term effects of of multiple projects and policy decisions. The energy sector is globally a large impact generator in terms of resource exploration, production, consumption and waste disposal. Energy development and policy in Ontario have great implications for sustainable development. Project-level EA is the process followed for developing energy infrastructure. However, decisions regarding energy supply are strategic in nature and cannot be adequately addressed through project-level EA. Therefore, SEA is an important tool used to deal with such decisions in the early stages of the assessment process and can help decision makers make informed choices regarding the long-term sustainability of strategic energy initiatives. This study focuses on identifying best practices criteria for carrying out SEA and investigating the extent to which the Ontario Long-Term Energy Plan conforms to SEA best practices.
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 | 0,028 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,015 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».