A Novel WENSLO and ALWAS Multicriteria Methodology and Its Application to Green Growth Performance Evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Green growth has managed to gain the interest of scholars and politicians recently since it is focused on the fact that the economic development of countries can take place by respecting and protecting the environment. To sustain green growth, it is critical to determine the current situation of countries in this regard and to identify deficiencies as a result. As such, this study proposes a novel multicriteria decision support tool called Weights by ENvelope and SLOpe (WENSLO) and Aczel-Alsina Weighted ASsessment (ALWAS) to identify the green growth performance of countries. The WENSLO method is introduced to objectively decide the criteria' weight values, whereas the ALWAS method is developed to rank the existing alternatives in a decision-making problem. We display the model introduced via green growth application at the country scale in G7. Concerning the findings, environmental factors are more vital than economic and social dimensions in the green growth of countries, and carbon dioxide emissions, water, and marine protected areas are the foremost factors. We highlighted that in terms of green growth level, Canada comes first, then the U.K., and finally Germany. The results of this research provide specific recommendations to guide authorities of G7 countries on green growth planning. The findings can also shed light on what developing countries need to achieve regarding green growth.
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.
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 | 0,000 | 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 découle