MétaCan
Menu
Retour à la cohorte
Enregistrement W4417068405 · doi:10.1111/reel.70027

Addressing conflict of laws and facilitating Digital Product Passports for critical raw materials value chains: From centralisation to mutual recognition

2025· article· en· W4417068405 sur OpenAlexaboutno aff
Jie Huang, Luke Nottage

Notice bibliographique

RevueReview of European Comparative & International Environmental Law · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)TraceabilityCentralisationProduct (mathematics)SustainabilityValue (mathematics)Data Protection Act 1998Corporate governance

Résumé

récupéré en direct d'OpenAlex

Abstract The value chains for critical raw materials (CRM) used in electric vehicle (EV) batteries often involve mining in the Global South, Australia and Canada, production in Asia, and consumption in the Global North. Starting in 2027, EU law will require a ‘digital product passport’ (DPP) for market entry. These passports will provide EU consumers, investors, regulators and others with products and sustainability data throughout the entire value chain. The EU DPP aims to improve ESG (Environmental, Social and Governance) compliance by ensuring high transparency and verifiable data from miners, producers and recyclers. However, legal, geopolitical, commercial and technological factors suggest that major economies in the up‐and mid‐stream of the value chains, such as Australia, China and Japan, may maintain or develop their own traceability laws, which might only partially overlap with the EU's system. These laws could potentially be linked through mutual recognition agreements with the EU. Our paper explores how such a system could function, with varying degrees of decentralisation, inspired partly by private international law mechanisms that have evolved to handle cross‐border traceability of documents. Examples include systems for recognising marriage and other personal or commercial certificates, arbitral awards and foreign judgments.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,573

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 technologies0,0000,000
Communication savante0,0000,001
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 Opus0,094
Tête enseignante GPT0,343
Écart entre enseignants0,250 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European Comparative & International Environmental LawMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207