Mapping the landscape of carbon trading & carbon offset research: A global and Indonesian perspective
Notice bibliographique
Résumé
The escalating annual increase in carbon emissions has posed a significant threat to the environment and human life. In recent years, numerous countries have implemented carbon trading schemes to combat climate change, encourage global cooperation, and promote reductions in emissions. Here, we aimed to explore and delve into the evolving landscape of carbon trading research through in-depth bibliometric and content analysis methods, identifying promising avenues for future research. We identified and retrieved publications on carbon trading and offset from 1993 to 2023 from the Scopus database. By examining 1, 994 articles indexed with the keywords ‘carbon trading’ or ‘carbon offsets, ’ this study offers valuable insights for policymakers, researchers, and practitioners working to mitigate climate change. Our findings revealed four primary clusters: Cluster 1 entailed carbon management and climate change mitigation, cluster 2 entailed innovations and policies in carbon management and sustainable energy, cluster 3 was related to policies related to carbon trading and markets, and cluster 4 was related to integrated energy systems, carbon trading mechanisms, and strategies for achieving a low-carbon economy. Globally, China stands out as a dominant contributor in carbon trading research, followed by the USA, UK, Australia, and Canada. Moreover, Indonesia (as the authors’ country) demonstrates increasing involvement, evidenced by 19 publications and collaborations with 12 countries. These findings underscore the need for further, more in-depth research to identify the most effective carbon trading mechanisms specific to Indonesia’s unique context. Thematic evolution analysis revealed that carbon sequestration and neutrality were prominent research topics in 2023. A new topic that has emerged is carbon trading policy, which indicates that much research on carbon trading is needed to regulate this matter.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,065 | 0,123 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».