Digitalization and Automation and AI: A Theoretical Framework of rethinking the Pollution Haven Hypothesis
Notice bibliographique
Résumé
This theoretical paper investigates the impact of digitalization, automation, and artificial intelligence (AI) on environmental regulations, specifically through the lens of the Pollution Haven Hypothesis (PHH). It explores how these advancements influence pollution intensity and environmental compliance costs, challenging the traditional understanding of the PHH. Methodology. The study employs a Cobb-Douglas production function to model the relationship between technological innovations and environmental regulations. By integrating digitalization, automation, and AI into the model, the paper examines how these factors affect the economic incentives for firms to relocate to regions with lenient environmental standards. Findings. The analysis reveals that advancements in digitalization and automation reduce pollution intensity and lower the costs of complying with strict environmental standards. As a result, the economic incentive to relocate to pollution havens diminishes. In an open economy, the combination of stringent environmental policies and technological innovations leads to reduced pollution levels and a shift toward cleaner production processes. Practical Implication. The findings suggest that integrating technological innovations into environmental policy can make adherence to stricter regulations more economically viable, thereby weakening the appeal of pollution havens. This has significant implications for global sustainability efforts, as it highlights the potential for technology to support more effective and equitable environmental regulations. Originality. This study introduces a novel perspective by directly linking technological innovations to shifts in capital allocation and the efficacy of environmental policies. It offers a fresh understanding of the PHH in the context of modern advancements, providing new understanding into the relationship between innovation and environmental regulation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,015 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 source (Gemma direct ou Codex distillé), 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 ».