Co-creating socio-technical scenarios for net-zero emission pathways: Comparison of five national case studies
Notice bibliographique
Résumé
The extent to which modelled future pathways support effective policymaking for sustainability transitions has been questioned for a long time, with one major issue being the insufficient integration with the perspectives of policymakers and other stakeholders. One proposal to address this issue has been to set up facilitative dialogues with stakeholders to extend model-based pathways to socio-technical scenarios. This paper presents the results of a first series of such co-creation workshops, where stakeholders discussed bottlenecks for model-based decarbonisation pathways and ways to overcome these bottlenecks through tailored policy mixes. The workshops took place in five countries: Brazil, Canada, Greece, Germany, and the UK, each with a specific sector focus. In all five workshops, it became clear that substantial tensions exist between the “ideal” modelled decarbonisation pathways and the real-world situation on the ground. Also, adverse political framework conditions, uncertainty of future policies and resistance of powerful actors were emphasised as overarching bottlenecks in most workshops. At the same time, in several instances stakeholders pointed out important aspects of transformative trajectories that are not covered by the models. Some challenges and solutions stand out in all countries in spite of the strong diversity of contexts: allocation of capital towards massive investments into low-carbon solutions; infrastructure development for generation and transport of hydrogen, capture and use of CO2 as well as electricity grid and storage adapted to renewable energy solutions; stakeholder and citizen dialogues, where agreement is reached on cornerstones of long-term decarbonisation trajectories; and demand-side measures complementing investments into low-carbon processes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».