MétaCan
Menu
Retour à la cohorte
Enregistrement W4387768861 · doi:10.1017/9781009319782

A Green and Just Recovery from COVID-19?

2023· book· en· W4387768861 sur OpenAlexafffund
Kyla Tienhaara, Tom Moerenhout, Vanessa Corkal, Joachim Roth, Hannah Ascough, Jessica Herrera Betancur, Samantha Hussman, Jessica L. Oliver, Kabir Shahani, Tianna Tischbein

Notice bibliographique

RevueCambridge University Press eBooks · 2023
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensInternational Institute for Sustainable DevelopmentQueen's University
Organismes subventionnairesMitacsCanada Research ChairsUniversity of CambridgeWorld Bank Group
Mots-clésDisadvantagedCoronavirus disease 2019 (COVID-19)Stimulus (psychology)Economic recoveryPandemicInequalityPolitical scienceGreen economyEconomicsDevelopment economicsPublic economicsEconomic growthBusinessPsychologySustainable developmentMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Stimulus spending to address the economic crisis brought on by the COVID-19 pandemic has the potential to either facilitate the transition away from fossil energy or to lock in carbon-intensive technologies and infrastructure for decades to come. Whether they are focused on green sectors or not, stimulus measures can alleviate or reinforce socio-economic inequality. This Element delves into the data in the Energy Policy Tracker to assess the extent to which energy policies adopted during the pandemic will expedite decarbonization and explores whether governments address inequities through policies targeted to disadvantaged, marginalized and underserved individuals and communities. The overall finding is that the recovery has not been sufficiently green or just. Nevertheless, a small number of policies aim to advance distributive justice and provide potential models for policymakers as they continue to attempt to 'build back better'. This title is also available as Open Access on Cambridge Core.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,056
Tête enseignante GPT0,263
Écart entre enseignants0,207 · 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.

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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetCOVID-19 impact on air qualityTravaux en français237 207