MétaCan
Menu
Retour à la cohorte
Enregistrement W4393233196 · doi:10.1038/s41598-024-57351-0

Tracing two decades of carbon emissions using a network approach

2024· article· en· W4393233196 sur OpenAlexaff
G. M. Guidi, Rossana Mastrandrea, Angelo Facchini, Tiziano Squartini, Christopher Kennedy

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of Victoria
Organismes subventionnairesMinistero dell’Istruzione, dell’Università e della RicercaEuropean CommissionScuola IMT Alti Studi Lucca
Mots-clésTracingComputer scienceComputational biologyBiology

Résumé

récupéré en direct d'OpenAlex

According to the guidelines of the Intergovernmental Panel on Climate Change, carbon emissions are attributed to the producers of goods and services. This approach has been challenged by recent literature, advocating an attribution criterion based on consumers, i.e. accounting for the carbon embedded into the goods imported by each country. Quantifying the effectiveness of such a consumption-based accounting requires understanding the complex structure of the graph induced by the flows of emissions between world countries. To this aim, we have considered a balanced panel of a hundred of countries and constructed the corresponding Carbon Trade Network for each of the past twenty years. Our analysis highlights the tendency of each country to behave either as a 'net producer'-or 'net exporter'-of emissions or as a 'net consumer'-or 'net importer'-of emissions; besides, it reveals the presence of an unexpected, positive feedback: despite individual exchanges having become less carbon-intensive, the increasing trade activity has ultimately risen the amount of emissions directed from 'net exporters' towards 'net importers'. Adopting a consumption-aware accounting would re-distribute responsibility between these two groups, possibly reducing disparities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,018
Tête enseignante GPT0,279
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207