Displacing uncomfortable carbon accounting knowledge: how avoided emission models justify the status quo
Notice bibliographique
Résumé
Purpose This paper answers calls for an in-depth, critical evaluation of carbon accounting practices by examining the missing link between knowing about and acting on carbon emissions. It explores how managers may decide to ignore uncomfortable absolute carbon emission calculations and instead develop home-made carbon accounting models of avoided emissions in order to support the status quo. Design/methodology/approach This in-depth single case study based on 23 interviews and substantial non-participant observation (28 days) builds on the notion of displacement as a discursive mode of ignorance to better understand why knowledge generated by Carbon Accounting Tools (CAT) can be considered uncomfortable and may in fact encourage the status quo. Findings The case study shows that the voluntary production of carbon accounting calculations is not always synonymous with improved carbon emission performance. Focusing on home-made carbon accounting models, instead of on uncomfortable absolute carbon accounting calculations, can have a negative, rather than a positive, effect on environment-friendly decisions. Furthermore, in the case examined, this decision was not viewed favorably throughout the company, with some employees expressing their unease that the company had merely replaced an uncomfortable metric with a more favorable one. Originality/value The study builds on the concepts of displacement and uncomfortable knowledge to argue that CAT that avoid creating tensions with a company’s economic growth objectives have little impact on promoting sustainable practices. By using carbon accounting models to focus on avoided emissions, managers can deliberately move attention away from uncomfortable absolute carbon accounting calculations, thereby legitimating the status quo.
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 | 0,057 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,054 |
| Communication savante | 0,020 | 0,023 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».