Bancos Públicos + Agua Pública = ODS 6?
Notice bibliographique
Résumé
El Objetivo de Desarrollo Sostenible 6 pretende lograr el acceso universal a los servicios de agua y saneamiento para 2030; se espera que esto cueste un estimado de US$150 mil millones por año. ¿De dónde saldrán estos fondos? Una posibilidad es la financiación privada en forma de inversión directa de capital de empresas privadas de agua y préstamos de bancos comerciales. Sin embargo, la evidencia sugiere que las inversiones privadas en agua y saneamiento no se han materializado según lo planeado debido al perfil de riesgo-rendimiento del sector. El agua y el saneamiento son considerados "demasiado arriesgados" por los inversionistas privados y los rendimientos no son lo suficientemente gratificantes. Una alternativa que puede ayudar a cubrir el déficit de financiación del abastecimiento de agua y el saneamiento (WSS, por sus siglas en inglés) es una fuente de financiamiento pública aún sin explotar: los bancos públicos. Hay más de 900 bancos públicos en el mundo, con 49 billones de dólares estadounidenses en activos; sin embargo, han sido subestimados en gran medida como una fuente importante de financiamiento para el agua y el saneamiento y también han sido descuidados por la investigación académica y por las principales organizaciones políticas, como el Banco Mundial. Es necesario comprender mejor cómo se puede movilizar a los bancos públicos como financiadores eficaces del agua pública. En este artículo ofrecemos una breve historia de las prácticas de la banca pública en el sector del agua, revisamos sus pros y sus contras, y discutimos la importancia de la aparición de un nuevo tipo de operador público de agua y el potencial que estas entidades ofrecen para financiar en este sector.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,020 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».