MétaCan
Menu
Retour à la cohorte
Enregistrement W4391736111 · doi:10.1007/s10644-024-09617-w

Club convergence of sustainable development: fresh evidence from developing and developed countries

2024· article· en· W4391736111 sur OpenAlexaboutno aff
Konstantinos Eleftheriou, Peter Nijkamp, Michael Polemis

Notice bibliographique

RevueEconomic Change and Restructuring · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of OxfordUniversity of CambridgeHellenic Academic Libraries Link
Mots-clésClubDeveloping countryConvergence (economics)Sustainable developmentBusinessPolitical scienceEconomic growthEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Sustainability is a process that characterizes in a broad sense a nation’s ecological performance and may display a time-varying pattern. Such dynamic trajectories may vary among different countries and prompt not only intriguing questions on space–time convergence but also on the possibility of club convergence. The scope of this study is to investigate the long-run convergence pattern of 137 countries, as presented by their sustainable development index (SDI) over the period 1990–2019. The statistical–econometric analysis used to identify convergence across (groups of) countries is based on the advanced Phillips and Sul (JAE 24:1153–1185, 2009; ECTA 75:1771–1855, 2007) method. The empirical findings from our study allow us to identify two SDI convergence clubs of countries. The first and the biggest club includes mainly the developing African and Asian countries; whereas, the second club includes many OECD countries including inter alia the US, Canada, and Australia. Our analysis brings to light that the transition paths of these two clubs show a significant divergence pattern; this a-symmetry calls also into question the effectiveness of global green policies, such as the clean development mechanism as foreseen in the Kyoto protocol.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,067
Tête enseignante GPT0,237
Écart entre enseignants0,170 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic Change and RestructuringMême sujetEconomic Growth and ProductivityTravaux en français237 207