MétaCan
Menu
Retour à la cohorte
Enregistrement W4384067812 · doi:10.12691/jfe-11-2-3

Which Members of OECD are Inactive or Laissez-Faire at Reducing Greenhouse Gas Emissions

2023· article· en· W4384067812 sur OpenAlexaboutno aff
Ai-Chi Hsu, Po-Yuan Shih, Ting-Wei Wu

Notice bibliographique

RevueJournal of Finance and Economics · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasLaissez-faireNatural resource economicsEconomicsEnvironmental scienceMarket economyEcology

Résumé

récupéré en direct d'OpenAlex

Global climate change has become a global challenge. Greenhouse gases are one of the leading causes of climate change, especially the emission of carbon dioxide and other greenhouse gases. The emissions of these gases mainly come from human activities such as energy production and use, industrial activities, transportation, and agriculture. The international community has adopted various agreements to reduce global greenhouse gas emissions and achieve climate goals in response to climate change. However, achieving greenhouse gas targets is about more than just reducing overall emissions. Economic efficiency must also be considered. Economic efficiency refers to the maximum effect achieved in achieving a specific goal: the maximum greenhouse gas reduction effect at the least cost. This study analyzed the economic and greenhouse gas emission reduction efficiency of OECD member countries through the two-stage data envelopment analysis method. And, using quartiles, the OECD member countries' comprehensive efficiency grouping to distinguish which countries are inactive in greenhouse gas emission reduction or countries that are laissez-faire. Finally, the study found that Iceland, Luxembourg, and Ireland chose not to curb greenhouse gas emissions to pursue economic development, while Latvia engaged to do both. Meanwhile, Australia, Canada, and the United States have adopted a laissez-faire approach, making no effort to rein in greenhouse gas emissions and boost national economic growth. The results of this study will provide the United Nations and international organizations with a policy reference to promote the reduction of global greenhouse gas emissions.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,089
Tête enseignante GPT0,271
Écart entre enseignants0,182 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Finance and EconomicsMême sujetClimate Change Policy and EconomicsTravaux en français237 207