MétaCan
Menu
Retour à la cohorte
Enregistrement W4405253251 · doi:10.54097/9xgnsf79

Law in Society: The Impact of Green Criminology on the Security and Stability of Society and the relevant legislation in China and Canada

2024· article· en· W4405253251 sur OpenAlexaboutno aff
Sinan Gu

Notice bibliographique

RevueJournal of Education Humanities and Social Sciences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationEnvironmental crimeChinaSanctionsGreen criminologyRestructuringPolitical sciencePublic securityEnvironmental lawCriminologyCriminal justiceLawSociologyPublic administration

Résumé

récupéré en direct d'OpenAlex

In response to rapid social development and substantial economic restructuring, there are further exacerbated by the heightened global focus on the Paris Agreement, the urgency of addressing global environmental challenges has significantly increased. Consequently, the field of green criminology has increasingly entered public discourse, reflecting a growing concern for environmental justice. This study aims to examine the effectiveness of legislation related to green criminology in Canada and China. It primarily analyzes the existing legal frameworks within these countries using a document analysis approach, supplemented by comparative and qualitative research methodologies. The findings indicate that Canada has developed a relatively sophisticated system of fines, while China places a greater emphasis on penal sanctions. Both countries have tailored their green criminology penalties to fit their specific social contexts and unique legal systems. However, a comparative analysis between the two still reveals that the penalties maintain significant flaws in both countries, suggesting an ongoing need for legal refinement and adaptation to more effectively address environmental crimes.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,074
Tête enseignante GPT0,311
Écart entre enseignants0,237 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education Humanities and Social SciencesMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207