MétaCan
Menu
Retour à la cohorte
Enregistrement W4385154046 · doi:10.1051/bioconf/20236302003

The Mechanism of Carbon Regulation of Emissions in Industrial Energy

2023· article· en· W4385154046 sur OpenAlexaboutno aff
Kheda Musaeva, Gulpam Annadurdyeva

Notice bibliographique

RevueBIO Web of Conferences · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigitalization and Economic Development in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Mechanism (biology)BusinessEconomicsGreenhouse gasCarbon taxInternational tradeInternational economicsNatural resource economics

Résumé

récupéré en direct d'OpenAlex

The introduction of cross-border taxes on hydrocarbon-intensive goods in the EU is expected in 2023, and the draft proposals are expected in the second quarter of 2021. The conditions for collecting such a tax from the EU will affect the interests of the EU itself for the next two decades remaining under the Green Deal until zero emissions. Apparently, the mechanism of tax collection will soon become clear, where and for what the collected funds will be directed. The issue of the impact of new taxes on Russian exports shifts the internal debate over the nature of such regulation to several urgent issues. This is the need for a more accurate, reliable and documented accounting of emissions in the country. And this is the choice of the option of adapting the country’s tax system to minimize the losses of companies, which began to be actively discussed, since the time factor begins to operate. An important aspect of the problem is the need for the simultaneous and rapid introduction of measures in the field of regulation, taxes, statistics in a complex, depending on the chosen response option. The new measures will not only affect the country’s climate programs, taxation and foreign trade, but will also have implications for economic strategy and even regional development.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,006
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,037
Tête enseignante GPT0,209
Écart entre enseignants0,172 · 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 revueBIO Web of ConferencesMême sujetDigitalization and Economic Development in AgricultureTravaux en français237 207