MétaCan
Menu
Retour à la cohorte
Enregistrement W4415376495 · doi:10.1007/s43621-025-01781-x

Global insights on validating environmental Kuznets curve using economic complexity and environmental efficiency scores

2025· article· en· W4415376495 sur OpenAlexaboutno aff
Amit Kumar Singh, Srishti Jain

Notice bibliographique

RevueDiscover Sustainability · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKuznets curveData envelopment analysisPanel dataUnavailabilityDeveloping countryProxy (statistics)European unionGeneralized least squares

Résumé

récupéré en direct d'OpenAlex

Abstract Considering changing climatic conditions and victimized economic growth, the present study uses data envelopment analysis to obtain the environmental efficiency scores and regresses them with the economic complexity index, a proxy for economic development, for 4 panels formulated based on geographical proximity. The panels formed are America (USA, Mexico, Canada); Europe (Germany, UK, France, Poland, Italy, Ukraine); Asia (India, China, Japan, Russia, Iran); and Africa (South Africa, Egypt, Algeria, Nigeria). The timeframe has been restricted to 1995–2023 due to the unavailability of data. The study adopts the PRISMA approach to conduct a systematic literature review. Further, random effect regression and the random coefficient for generalized least squares have been employed in the panel data for estimating regression coefficients. The results obtained from examining the impact of economic growth on environmental efficiency are quite startling. America has an inverted-N-shaped EKC, Africa exhibits a downward-sloping EKC, Europe has an N-shaped Environment Kuznets Curve (EKC), and lastly, Asia has an inverted-U-shaped EKC. The different results arise because of differences in the structure and background of each panel. For instance, America is comprised of three developed capital-intensive countries; Europe has a mix of developing and developed nations under the umbrella of the European Union which has the strongest emission trading system coupled with carbon tax; Asia comprises of labor-intensive developing nations with the exception of Japan and lastly, Africa has developing nations with a proposition of ‘grow now , clean later.’ Therefore, every nation must recognize the shared global goal of sustainability, which can be achieved through collective effort rather than by focusing solely on individual countries becoming clean.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,027
Tête enseignante GPT0,251
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover SustainabilityMême sujetEconomic and Technological InnovationTravaux en français237 207