Climate change and trade agreements: friends or foes?
Notice bibliographique
Résumé
The Intergovernmental Panel on Climate Change (IPCC) has shone a spotlight on the devastating humanitarian consequences the world can expect if global warming exceeds 1.5°C. Despite the 2015 Paris Agreement, most countries’ climate policies show a chronic lack of ambition and the world remains on track for temperature increases of more than 3°C. Against this backdrop, the world needs transformative solutions. In climate policy discussions, relatively little attention is paid to the global trade architecture. Bilateral, regional or World Trade Organisation (WTO) trade agreements could help to meet climate goals—for example, by removing tariffs and harmonising standards on environmental goods and services, and eliminating distortionary and poorly designed subsidies on fossil fuels and agriculture. Despite the potential for trade–climate synergies, the weight of historical evidence is heavy in the other direction. Universal tariff reduction has increased trade in carbon-intensive and environmentally destructive products, such as fossil fuels and timber, more than it has for environmental goods. In some cases FTAs can also shrink the “policy space” available to countries to pursue environmental goals, for example if they prohibit, or are perceived to prohibit, a country’s ability to distinguish between products according to emissions released during their production. This report assesses the degree to which the WTO and four contemporary free trade agreements (FTAs) —CPTPP, EU–Singapore, EU–Canada and Korea–Australia—support seven opportunities for boosting climate-friendly trade flows.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».