MétaCan
Menu
Retour à la cohorte
Enregistrement W4403110376 · doi:10.1002/wcc.916

Climate change mitigation policies in agriculture: An overview of sociopolitical barriers

2024· article· en· W4403110376 sur OpenAlexaff
Kayenat Kabir, Sophie de Vries Robbé, Catrina Godinho

Notice bibliographique

RevueWiley Interdisciplinary Reviews Climate Change · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensCapital Power (Canada)
Organismes subventionnairesWorld Bank Group
Mots-clésClimate changeAgricultureEnvironmental planningGeographyPolitical scienceNatural resource economicsEnvironmental resource managementEconomicsEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract The realization of the economic and technical potential of climate mitigation policies in agriculture is influenced by how sociopolitical issues are considered in policy development and implementation. Based on a narrative review of the literature, this article provides an overview of common sociopolitical barriers facing supply‐side and demand‐side mitigation measures in agriculture. Understanding these sociopolitical issues can provide opportunities for the full realization of mitigation policy potentials. They are presented under four themes: local context, adoption capacity, and distributional impacts; food security, costs, and choices in food consumption; political considerations related to electoral weight and lobbying; and international aspects regarding emissions metrics, trade, and big agriculture. Designing complementary policies and second‐best options, incorporating local knowledge in policy design, recognizing women's voice and role in sustainable agriculture, planning for job transitions, engaging stakeholders through multiscalar platforms, and appropriately framing and communicating policies in a digestible manner are some considerations to address these sociopolitical barriers. This article is categorized under: Climate Economics > Economics and Climate Change Climate and Development > Social Justice and the Politics of Development Climate Economics > Economics of Mitigation

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,586
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,078
Tête enseignante GPT0,366
Écart entre enseignants0,288 · 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'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

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Climate ChangeMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207