MétaCan
Menu
Retour à la cohorte
Enregistrement W4403471121 · doi:10.54097/p9qrcz57

Research on Strengthening China's Economic Losses from Ship Oil Pollution Based on Compensation Mechanisms

2024· article· en· W4403471121 sur OpenAlexaboutno aff
Mei Gai

Notice bibliographique

RevueHighlights in Business Economics and Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaOil pollutionCompensation (psychology)PollutionNatural resource economicsBusinessEnvironmental scienceEnvironmental planningEnvironmental protectionEconomicsPolitical scienceLawPsychologyEcology

Résumé

récupéré en direct d'OpenAlex

The oil pollution compensation system in China was established late, and the design of the legal system is not perfect, which exposes many problems in the practice of claim settlement. This paper analyzes the present situation and problems of compensation mechanism for oil pollution damage from ships in China, and draws lessons from the legislative experience of Canada and the United States, and puts forward some suggestions for improvement. The specific contents include the legislative status and existing problems of compensation for oil pollution damage from ships in China, the relevant legislative status of representative countries, the comparison of three major international compensation systems, and the legislative choice and specific system suggestions of China. By using the method of literature analysis, this paper systematically analyzes the legislative status, advantages and disadvantages of compensation for oil pollution damage from ships in various countries through the study of relevant legal documents and practical cases at home and abroad. Through comparative study and drawing lessons from international experience, it is suggested that China adopt a dual-track compensation mechanism.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil1,000

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,248
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207