MétaCan
Menu
Retour à la cohorte
Enregistrement W4406939538 · doi:10.1016/j.erss.2025.103935

Equity, diversity and inclusion promises, exclusive practices? How to move towards effective and just energy transitions

2025· article· en· W4406939538 sur OpenAlexafffund
Sarah Sharma, Runa Das, Amy Janzwood, Neelakshi Joshi, Julie MacArthur, Georgia Savvidou

Notice bibliographique

RevueEnergy Research & Social Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensMcGill UniversityRoyal Roads UniversityUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaFederation for the Humanities and Social Sciences
Mots-clésDiversity (politics)Inclusion (mineral)Equity (law)BusinessEconomic geographySociologyPolitical scienceGeographyGender studiesLaw

Résumé

récupéré en direct d'OpenAlex

Equitable, diverse and inclusive action in a climate emergency is not optional – it is an imperative. Despite the growing rhetoric for inclusive energy systems transformations, many such promises are often empty signifiers and lack substantive action. For energy transitions to be effective and sustainable, they must include, prioritize, and benefit diverse groups, encompassing marginalized communities, underrepresented stakeholders and those disproportionately burdened by current energy systems – a wider range of groups than at present. In this perspective, we argue why and how it is necessary to embed concrete practices that center equity, diversity and inclusion for meaningful energy systems transformation. As researchers and practitioners, we can influence and support the larger energy community to move from pledges to practice by supporting locally led energy systems transitions, by building participatory energy governance, addressing intersectional inequalities in energy systems and centering equity diversity and inclusion as metrics for successful energy systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,091
Communication savante0,0200,051
Science ouverte0,0030,031
Intégrité de la recherche0,0080,013
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,053
Tête enseignante GPT0,382
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations21
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy Research & Social ScienceMême sujetEnergy and Environment ImpactsTravaux en français237 207