Notice bibliographique
Résumé
<div> Advances in financial inclusions have contributed to economic growth and poverty alleviation, addressing environmental implications and implementing measures to mitigate climate change. Financial inclusions force advanced countries to progress their policies in a manner that does not hinder developing countries’ current and future development. Consequently, this research examined the asymmetric effects of information and communication technology (ICT), financial inclusion, consumption of primary energy, employment to population ratio, and human development index on CO<sub>2</sub> emissions in oil-producing countries (UAE, Nigeria, Russia, Saudi Arabia, Norway, Kazakhstan, Kuwait, Iraq, USA, and Canada). The study utilizes annual panel data spanning from 1990 to 2021. In addition, this study investigates the validity of the Environmental Kuznets Curve (EKC) trend on the entire sample, taking into account the effects of energy consumption and population to investigate the impact of financial inclusion on environmental degradation. The study used quantile regression, FMOLS, and FE-OLS techniques. Preliminary outcomes revealed that the data did not follow a normal distribution, emphasizing the need to use quantile regression (QR). This technique can effectively detect outliers, data non-normality, and structural changes. The outcomes from the quantile regression analysis indicate that ICT consistently reduces CO<sub>2</sub> emissions in all quantiles (ranging from the 1st to the 9th quantile). In the same way, financial inclusion, and employment to population ratio constrains CO<sub>2</sub> emissions across each quantile. On the other side, primary energy consumption and Human development index were found to increase CO<sub>2</sub> emissions in each quantile (1st to 9th). The findings of this research have implications for both the academic and policy domains. By unraveling the intricate interplay between financial inclusion, ICT, and environmental degradation in oil-producing nations, the study contributes to a nuanced understanding of sustainable development challenges. Ultimately, the research aims to guide the formulation of targeted policies that leverage financial inclusion and technology to foster environmentally responsible economic growth in oil-dependent economies. </div>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,361 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».