MétaCan
Menu
Retour à la cohorte
Enregistrement W4406809699 · doi:10.1080/14693062.2025.2451645

Equitable marine carbon dioxide removal: the legal basis for interstate benefit-sharing

2025· article· en· W4406809699 sur OpenAlexafffund
Neil Craik

Notice bibliographique

RevueClimate Policy · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCarbon dioxideBusinessNatural resource economicsCarbon dioxide removalEnvironmental scienceEnvironmental resource managementEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

Marine carbon dioxide removal (mCDR) deployment strategies appear likely to involve the use of common ocean resources to generate financial benefit for mCDR developers. An important consideration for the future design of an equitable mCDR governance regime is the distribution of those benefits between states, particular between developed and developing states. This paper addresses the legal basis for inter-state benefit-sharing arrangements arising from mCDR activities through an analysis of existing inter-state benefit-sharing arrangements in international resource regimes. The paper identifies a set of key conditions that are present and justify the imposition of benefit-sharing between states. Specifically, claims for inter-state benefit-sharing are legally justified where the resources exploited are located in areas beyond national jurisdiction; the resource opportunities are finite; and the ability to access the resource opportunities are constrained by technological and financial capacity. These conditions will most likely be present for many deployment scenarios for key mCDR technologies. In presenting an argument in favour of inter-state benefit-sharing, this paper seeks to provide a more complete understanding of the equitable and legal dimensions of distributing the economic and non-economic benefits from mCDR activities.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,067
Tête enseignante GPT0,292
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate PolicyMême sujetClimate Change Policy and EconomicsTravaux en français237 207