MétaCan
Menu
Retour à la cohorte
Enregistrement W4317513017 · doi:10.1002/pan3.10425

Understanding China's political will for sustainability and conservation gains

2023· article· en· W4317513017 sur OpenAlexaff
Hubert Cheung, Yutong Phoenix Feng, Amy Hinsley, Tien Ming Lee, Hugh P. Possingham, Stephen N. Smith, Laura Thomas‐Walters, Yifu Wang, Duan Biggs

Notice bibliographique

RevuePeople and Nature · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensCarleton University
Organismes subventionnairesJapan Society for the Promotion of ScienceAustralian Research Council
Mots-clésPoliticsSustainabilityLeverage (statistics)ChinaNatural resourcePolitical scienceBeijingEnvironmental resource managementBusinessEconomicsEcologyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Political will is a critical determinant of the success or failure of environmental policies and interventions. Harnessing the political will necessary to implement environmental solutions can be challenging because environmental priorities may compete with other societal interests in policymaking. Environmental solutions are more politically feasible if fundamentally aligned with the core interests of key policymakers. Understanding the political agendas of decision‐makers enables conservationists to identify where political will already exists, and allows environmental objectives to piggyback on the motivation to deliver results. In this paper, we explore the core interests of the Chinese leadership to uncover opportunities to leverage Beijing's political will for sustainability and conservation gains. China's growing influence on ecosystems and natural resource use both within and beyond its borders makes an analysis of its leadership's political will valuable and timely. Read the free Plain Language Summary for this article on the Journal blog.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,027
Tête enseignante GPT0,256
Écart entre enseignants0,229 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeople and NatureMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207