MétaCan
Menu
Retour à la cohorte
Enregistrement W6943908137 · doi:10.17605/osf.io/u7t35

Learning about negative externalities and support for a carbon tax

2023· other· en· W6943908137 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExternalityFraming (construction)Climate changePoliticsPolluter pays principleWelfareCarbon tax

Résumé

récupéré en direct d'OpenAlex

Climate change is one of the most pressing issues facing the world and its negative impacts have already started materializing. However, despite the urgency, climate action has not been adequate and the issue has become one of the most polarized across the political spectrum in many countries, including Canada and the United States. While polarization may not be easy to overcome with political messages or on ethical grounds, making it about pocketbook evaluations may reduce some of the opposition. This is particularly relevant for a case like climate change, since at the basis of climate action is the understanding of the economic concept of negative externality. Since the extreme polarization on climate change makes any communication on the issue potentially ineffective, one strategy would be to illustrate the concept of negative externality using an alternative framing, for example emphasizing pollution rather than climate change. For these reasons, this framing might help the climate change cause, both through increasing support for action against air pollution and potentially also increasing support for a carbon tax, once the welfare effects of a corrective tax in the presence of a negative externality become clear. In this paper I intend to use a survey experiment in Canada and the US where I manipulate information on the negative externalities of pollution to then infer its effects on policy support for both an air pollution tax and a carbon tax, the latter being the one most often associated with climate action. My hypothesis is that those who learn about and understand the mechanisms of negative externalities in the context of pollution should then be more likely to not only support an air pollution tax, but also a carbon tax. The mechanisms that I anticipate would explain the latter effect are an increase in the salience of the economic dimension of climate change mitigation, and a change in the perceived costs and benefits of a corrective tax. Finally, I am also interested in testing if there is a a relationship between zero-sum thinking on the environment and support for corrective taxes, such as a carbon tax.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,034
Tête enseignante GPT0,356
Écart entre enseignants0,322 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207