MétaCan
Menu
Retour à la cohorte
Enregistrement W4307627590 · doi:10.1080/11926422.2022.2118139

Unpacking Canada’s oil and gas dilemma: international leadership challenges on the road to net-zero

2022· article· en· W4307627590 sur OpenAlexaboutno aff
Simon Langlois-Bertrand

Notice bibliographique

RevueCanadian Foreign Policy Journal · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasProduction (economics)Government (linguistics)Natural resource economicsDilemmaFossil fuelEndowmentEconomicsClean technologyInternational tradeEconomic policyBusinessPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Despite significant policy and regulation efforts by Canada’s federal government since its signature of the Paris Agreement, the specific question of whether Canada can retain its role as an energy production powerhouse while gaining some political capital as an international leader with regard to climate change has continued to plague its GHG reduction ambitions. In this article, I argue that despite an exceptional clean energy resource endowment, options to demonstrate the country’s serious intentions to meet its international climate commitments while keeping a sizeable oil and natural gas production sector come with complex implications well beyond the simplistic economic challenge linked to replacing the sector’s exports and employment levels. I explore three such options to keep oil and gas production high by using techno-economic modeling: compensating with more reductions elsewhere, using CCS in the oil and gas sector to avoid the sector’s emissions, and using negative emission technologies to compensate them. Compared with reducing emissions through large cuts in oil and gas production levels, each of these options comes with both significantly higher costs for society and a much higher risk of not delivering the expected emissions reductions.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil0,332

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,009
Communication savante0,0090,004
Science ouverte0,0020,003
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,029
Tête enseignante GPT0,208
Écart entre enseignants0,179 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Foreign Policy JournalMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207