The rise of phase-out as a critical decarbonisation approach: a systematic review
Notice bibliographique
Résumé
Abstract ‘Phase-out’ is increasingly mobilised in research and policymaking as an approach to catalyse the gradual decline of technologies, substances and practices that compromise environmental sustainability objectives. This trend is particularly pronounced in the context of climate change, demonstrated by the accumulation of a vast body of scholarship over multiple decades. Our work provides the first systematic review of the state of this knowledge, mapping out how phase-out is studied and employed as a policy tool for mitigating climate change. We systematically review over 400 publications, spanning three decades (1990–2021) and diverse scientific fields. Our review asks: how has scholarly work discussed phase-out as an approach to mitigate climate change, and how has this changed over time? We tackle this question from five perspectives: (a) elements targeted by phase-outs, (b) policy instruments, (c) affected industries, (d) geographic context, and (e) benefits besides climate change mitigation. Results reveal that phase-out has widely proliferated as a decarbonisation approach, developing into a bridging concept that links diverse communities of contemporary science and practice. This is reflected by engagement with manifold phase-out targets—stretching well beyond the usual suspects related to fossil fuels and end-use technologies—as well as discussion of a growing diversity of industries, policy instruments and geographies in the literature. This global proliferation of phase-outs is propelled by expectations of diverse co-benefits. Aside from gains for the environment, economy, society and health, we find widespread acknowledgment that phase-out can drive innovation and systemic change beyond the mere substitution of problematic technologies and materials. Our study also identifies several underdeveloped and underrepresented directions meriting further study. These notably include phase-out activity beyond Europe, North America and China, hard-to-abate industry sectors and non-fossil fuel targets. We conclude by carving out broader implications for scholars and practitioners to inform future research directions and climate mitigation efforts.
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 | 0,059 | 0,201 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».