MétaCan
Menu
Retour à la cohorte
Enregistrement W4409441628 · doi:10.1016/j.scitotenv.2025.179409

Empty promises: Some requirements for a successful implementation of decarbonisation strategies in developing countries

2025· article· en· W4409441628 sur OpenAlexaff
Walter Leal Filho, Tarek Ben Hassen, Newton R. Matandirotya, Artie W. Ng

Notice bibliographique

RevueThe Science of The Total Environment · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDeveloping countryBusinessRisk analysis (engineering)Computer scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Decarbonisation strategies are crucial for mitigating the adverse effects of climate change and achieving sustainable development. However, the successful implementation of these strategies in developing countries remains a significant challenge due to resource constraints, competing development priorities, and institutional barriers. This paper provides a comprehensive overview of decarbonisation efforts and impacts through an extensive review of existing research, reports, and case studies. The research includes a detailed examination of decarbonisation initiatives, complemented by case studies from seven industrialised (USA, EU27, Germany, Italy, France, Finland, and Australia) and six developing countries (China, Brazil, South Africa, India, Mexico, and Kenya). These case studies showcase practical efforts and illustrate current trends in decarbonisation. The findings underscore the importance of political will, financial resources, technological capacity, and social acceptance as critical requirements for the successful implementation of decarbonisation strategies in developing countries. The paper emphasises the need for international cooperation, capacity-building, and aligning decarbonisation goals with broader socio-economic objectives to ensure these strategies contribute meaningfully to sustainable development.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,210

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 technologies0,0000,000
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 Opus0,062
Tête enseignante GPT0,302
Écart entre enseignants0,240 · 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'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

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetClimate Change Policy and EconomicsTravaux en français237 207