MétaCan
Menu
Retour à la cohorte
Enregistrement W4379016499 · doi:10.4324/9781003352204

Controlling International Shipping and Aviation Emissions

2023· book· en· W4379016499 sur OpenAlexaboutno aff
David A. Deese

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAviationAeronauticsEnvironmental scienceBusinessTransport engineeringEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This book assesses the extent to which two specialized UN agencies – the International Maritime Organization (IMO) in London and the International Civil Aviation Organization (ICAO) in Montreal – have been able to regulate environmental pollution in the global commons. Since the Kyoto Protocol and its tasking of these two public International Organizations (IOs) in 1997 to regulate greenhouse gas emissions from the fast-growing international shipping and aviation sectors, they have struggled with the assignment even as the external pressure has mounted for them to act. David Deese examines why these two UN agencies have largely failed to execute their critical missions to date and explores the most promising emerging and feasible routes to control and reduce these emissions by other means. Drawing on a range of sources including interviews with key actors in the IMO and ICAO, as well as from industry and national governments, Deese looks at the multifaceted politics that drive these IOs and considers how this has delayed and frustrated the execution of their assigned climate mitigation missions. He also explains how the limitations of the IMO and ICAO are likely to be found to a degree in other UN specialized agencies and examines how lessons learned here will be helpful in understanding the operations of other IOs. The book will be of great interest to students and scholars of global governance and IOs, transport, and environment and climate change. It will also be a useful resource for industry and non-profit experts and public officials working in shipping and aviation regulation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207