Digitalization's contribution towards sustainable development and climate change mitigation: An empirical evidence from EU economies
Notice bibliographique
Résumé
), a hydrocarbon component of natural gas, as a proxy of carbon emission, GDP as economic growth, financial development (FIN), and medium and high technologies as a proxy of information technology (ICT) and human development (HDI). This study observes two extended moderating effect models of human development index and financial development via medium and high technologies on carbon emissions over the 15-year periods from 2007 to 2021 for the 27 EU economies. Results indicate that when considered solely, ICT, economic growth, and HDI improve environmental quality and contribute to climate change mitigation, reducing methane emissions, whereas financial development seems to damage environmental quality. However, the crossed effects of ICT with HDI, and that of ICT with FIN, were considered in estimations, with results pointing out that those favorably affect climate change mitigation. Jointly considering ICT, HDI, and financial development proves to have a synergistic effect in promoting environmental health than each element on its own. Green and yellow countries were also identified revealing the countries for which a reduction and increase, respectively, in the value of methane emissions is predicted after three years. In the case of the entire panel, the STR (linear regression tree) algorithm predicts an average growth in methane emissions of around 3.64 %. Important policy directions are drawn considering the results obtained.
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 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 | 0,000 | 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».