MétaCan
Menu
Retour à la cohorte
Enregistrement W4386240012 · doi:10.5281/zenodo.2595491

Norway's Fair Share of Meeting the Paris Agreement

2018· report· en· W4386240012 sur OpenAlexaff
Sivan Kartha, Christian Holz, Tom Athanasiou

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typereport
Langueen
DomaineSocial Sciences
ThématiqueEU Law and Policy Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAgreementPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

This report aims to gauge Norway’s fair share of the global response to the climate problem, starting from the recognition that equity is important – in fact, necessary – for addressing climate change. The report focuses on mitigation, although an equitable approach to adaptation is of course equally important. It uses a flexible and transparent framework for equitable effort sharing that is drawn directly from the core equity principles of the United Nations Framework Convention on Climate Change (UNFCCC). The analysis is done using the Climate Equity Reference Calculator, an online tool and database that allows users to select specific equity-related settings relating to responsibility, capacity and other key parameters, and then to use straightforward, standard quantitative indicators to calculate the implied national fair shares of the global mitigation effort. The analysis is based on a range of alternative input selections informed by ethical and empirical considerations that are discussed in more detail within the report. This approach allows the report to contrast Norway's pledged contribution towards the Paris Agreement goals with its fair share, and to articulate what Norway should do in addition to its existing pledge to be in line with its moral obligations.

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)0,014
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,093
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0080,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,086
Tête enseignante GPT0,335
Écart entre enseignants0,249 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetEU Law and Policy AnalysisTravaux en français237 207