MétaCan
Menu
Retour à la cohorte
Enregistrement W4385499743 · doi:10.1051/e3sconf/202340801001

The influence of COVID-19 on the transition to a more circular economy in oil-exporting countries

2023· article· en· W4385499743 sur OpenAlexaff
Erjan Akhmedov, Yerzhan Mukashev, Askar Akhmedov

Notice bibliographique

RevueE3S Web of Conferences · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPandemicCircular economyCoronavirus disease 2019 (COVID-19)SkepticismBusinessPolitical scienceSet (abstract data type)EconomyDevelopment economicsEconomic growthEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

The present study has attempted to systematically explore the impact of the COVID-19 pandemic on transitioning to a more circular economy in 15 major oil-exporting countries. These countries are being explored because they deliver the highest environmental impact. Apart from the comprehensive literature review, the authors interviewed the group of 32 individuals having sufficient knowledge on the subject. The respondents provided their opinions on the main challenges that impacted the move to a more circular economy in oil-exporting countries during the COVID-19 pandemic, addressed the reasons for these challenges and suggested ways to respond to them. The consensus among the respondents was that the pandemic has slowed the transition process down and there is an urgent need to resume it. Their opinions on other topics were different, but not contradicting. Also, in addition to the frequently discussed topics, the respondents addressed those usually insufficiently considered, namely the pursuit of a luxurious lifestyle and scepticism towards relevant concepts and policies in many countries under consideration. The paper finishes with a set of recommendations aimed at early resumption and intensification of efforts on transitioning to a more circular economy in oilexporting countries.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,285
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 revueE3S Web of ConferencesMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207