MétaCan
Menu
Retour à la cohorte
Enregistrement W6982339920

Il Contributo Delle Compagnie Oil & Gas nel Raggiungimento Degli Obiettivi Energetici e Climatici (How Oil and Gas Companies Can Help Meet the Global Goals on Energy and Climate Change)

2018· article· it· W6982339920 sur OpenAlexaff

Notice bibliographique

RevueeYLS (Yale Law School) · 2018
Typearticle
Langueit
DomaineArts and Humanities
ThématiquePentecostalism and Christianity Studies
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésClimate changeSustainable developmentGlobal warmingGlobal challengesSustainabilitySustainable energy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nel settembre 2015, i governi di tutto il mondo hanno adottato17 Obiettivi di Sviluppo Sostenibile (Sustainable Development Goals – SDG) e, pochi mesi dopo – a dicembre – hanno firmatol’Accordo di Parigi. Queste azioni sono la riprova delrafforzamento del consenso globalecirca la necessità di frenare il cambiamento climatico indotto dalle attività antropiche e dipromuovere uno sviluppo sostenibilesu scala mondiale. I due concetti sono infatti strettamente legati: l’urgenza di affrontare il cambiamento climatico va inquadrata nella cornice degli sforzi globali tesi a ridurre la povertà, promuovere la crescita economica, rispettare i diritti umani e di inclusione sociale.\nOn September 2015, governments around the world adopted 17 Sustainable Development Goals (SDGs) and, a few months later – in December – they signed the Paris Agreement. These actions are proof of the strengthening of the global consensus on the need to curb climate change induced by human activities and to promote sustainable development on a global scale. The two concepts are in fact closely linked: the urgency to tackle climate change must be seen in the framework of global efforts aimed at reducing poverty, promoting economic growth, respecting human rights and social inclusion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,005
Communication savante0,0110,007
Science ouverte0,0010,006
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0320,007

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 Opus0,030
Tête enseignante GPT0,245
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetPentecostalism and Christianity StudiesTravaux en français237 207