MétaCan
Menu
Retour à la cohorte
Enregistrement W4301183375 · doi:10.1162/glep_a_00682

Supply-Side Climate Policies in Major Oil-Producing Countries: Norway’s and Canada’s Struggles to Align Climate Leadership with Fossil Fuel Extraction

2022· article· en· W4301183375 sur OpenAlexaffabout
Kathryn Harrison, Guri Bang

Notice bibliographique

RevueGlobal Environmental Politics · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensSocial Sciences and Humanities Research Council
Organismes subventionnairesnon disponible
Mots-clésProsperityFossil fuelNatural resource economicsGovernment (linguistics)EconomicsGreenhouse gasClimate changeConventionInternational tradeEconomyPolitical scienceEconomic growthLawEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This article considers the puzzle of Norway and Canada, two countries that have adopted ambitious Paris Agreement targets yet are also major fossil fuel exporters. To date, both countries have taken full advantage of the international convention that assigns responsibility only for emissions within a country’s borders. However, climate activists, First Nations, and green politicians increasingly have challenged fossil fuel production via campaigns centered on issues salient to voters in nonproducing regions: opposing new exploration licenses in Norway and pipelines in Canada. While supply-side campaigns have sometimes succeeded in ending expansion, neither country has seriously entertained restricting current production. We attribute these outcomes to continued public support for fossil fuel–driven prosperity; institutions that assign responsibility for production and climate to different government agencies; and the success of counternarratives that unilateral supply restrictions are futile, prosperity from petroleum exports will fund domestic clean-energy transitions, and gas exports advance global climate action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,443

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0050,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,220
Écart entre enseignants0,185 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Environmental PoliticsMême sujetClimate Change Policy and EconomicsTravaux en français237 207