ANALYZING EIA IN PARANÁ, BRAZIL AND CALIFORNIA, UNITED STATES WITH FUZZY-SET QUALITATIVE COMPARATIVE ANALYSIS AND THE ANALYTICAL HIERARCHY PROCESS
Notice bibliographique
Résumé
Since its introduction in the US, environmental impact assessment (EIA) has become one of the most widespread environmental policy instruments, which has evolved from solely conservation aims to serve as a tool for sustainable development.Despite its history and dissemination, EIA is routinely criticized for being ineffective at impacting decision-making or promoting more sustainable development.This study performed a comparative case study using the effectiveness dimensions from the EIA evaluative literature and two methodologies.Two states in federalist systems were chosen, Paraná, Brazil and California, United States.This comparative case study formats the cases into contextual conditions using the fuzzy-set Qualitative Comparative Analysis (fsQCA) methodology in order to identify the necessary and sufficient conditions that foster effective outcomes.These effectiveness outcomes and criteria are then ranked by EIA stakeholders via the analytical hierarchy process (AHP) in order to identify stakeholder priorities and to improve stakeholder management.The results show that in Paraná stakeholders identified normative effectiveness as the most important dimension for an ideal effective EIA outcome, and stakeholders in California identified this dimension as the second-most important following substantive effectiveness.For normative effectiveness outcome early project definition and public participation were found to be necessary conditions and stakeholder coordination was found to be a sufficient condition.Following normative effectiveness, Paraná stakeholders identified procedural effectiveness as the second most important.While transactive effectiveness was ranked lowest overall in both case studies, improving procedural effectiveness has been shown to be connected to the transactive effectiveness.Finally, transformative effectiveness ranked third and fourth in California and Paraná respectively, which also had the lowest set membership in fsQCA.This study advances EIA evaluatory literature by assessing various effectiveness dimensions through two complementary methodologies.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».