The acceleration of low-carbon transitions: Insights, concepts, challenges, and new directions for research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Given that several low-carbon transitions are now accelerating, what can we say about the drivers, conditions, mechanisms, and dynamics of acceleration? This question is widely discussed in policy and academic circles, but so far there is little attempt to develop a more comprehensive answer that considers the pluralistic and heterogeneous nature of what acceleration is, how it comes about, and how it can be studied moving forward. To provide a more comprehensive approach to the phenomenon of acceleration, this paper offers a prismatic perspective that mobilizes insights from several social science disciplines and fields that have engaged with acceleration and links them to sustainability transitions. The objectives of the paper are threefold: to map out concepts or tools that are useful for better understanding or interpreting acceleration; to reflect on prominent themes and topics; and to identify research gaps and fruitful directions. Written by an interdisciplinary and authoritative team of authors, the paper draws from a wide range of concepts including but not limited to feedback theory from political science, incumbent reorientation and innovation races from business and management literature, cultural theory and public acceptance from socio-cultural studies, along with insights from consumption studies and sociology. It draws on this corpus to identify five singular dimensions of acceleration (economics, technology, business, policy, and behavior/culture) as well as four multi-dimensional mechanisms (tipping points, multi-system interactions, threshold dynamics and deep leverage points). It then examines underlying drivers and understandings of acceleration before synthesizing perspectives and charting directions for future research.
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.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle