MétaCan
Menu
Retour à la cohorte
Enregistrement W4391107550 · doi:10.1007/s44265-023-00026-x

Advancing green finance: a review of climate change and decarbonization

2024· review· en· W4391107550 sur OpenAlexaff
Chengbo Fu, Lei Lü, Mansoor Pirabi

Notice bibliographique

RevueDigital Economy and Sustainable Development · 2024
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSustainable Finance and Green Bonds
Établissements canadiensUniversity of ManitobaUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésClimate FinanceGreen economyClimate changeMainstreamCarbon financeFinanceGreen growthSustainabilityBusinessSustainable developmentRenewable energyPolitical economy of climate changeProject financeEconomicsPolitical scienceEconomic growthDeveloping countryEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper comprehensively reviews the interconnections between climate change, decarbonization, and green finance. The urgency of addressing climate change and its catastrophic consequences needs to focus on green finance as a vital tool in the global struggle against environmental damage. Green finance involves supplying investments, loans, or capital to support environmentally friendly activities, facilitating the transition to a more sustainable future. This review explores the theoretical frame of reference for green finance, including its impacts on climate change, decarbonization of economies, carbon-stranded assets, risk management, renewable energy, and sustainable economic growth. Additionally, it examines regional focuses in Asia, such as the importance of green finance in China and the beliefs and challenges of green finance in Bangladesh. The review also discusses future directions and recommendations for advancing green finance. The review examines the current research in green finance and how it can address environmental challenges and promote sustainable development. More research needs to be conducted in mainstream economics and finance journals to bridge the knowledge gap and foster broader scholarly engagement in green finance. Researchers, policymakers, investors, and stakeholders will receive help from the study's reliable and robust insights into combating climate change and promoting sustainable development.

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)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,026
Tête enseignante GPT0,246
Écart entre enseignants0,221 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Economy and Sustainable DevelopmentMême sujetSustainable Finance and Green BondsTravaux en français237 207