MétaCan
Menu
Retour à la cohorte
Enregistrement W7000598612

Fixing the Climate: Strategies for an Uncertain World

2022· article· en· W7000598612 sur OpenAlexaboutno aff

Notice bibliographique

RevueeYLS (Yale Law School) · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiplomacyNegotiationGovernment (linguistics)Kyoto ProtocolFrontierMontreal ProtocolCold warGlobal warmingWork (physics)Climate change
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Global climate diplomacy — from the Kyoto Protocol to the Paris Agreement — is not working. Despite decades of sustained negotiations by world leaders, the climate crisis continues to worsen. The solution is within our grasp — but we will not achieve it through top-down global treaties or grand bargains among nations. Charles Sabel and David Victor explain why the profound transformations needed for deep cuts in emissions must arise locally, with government and business working together to experiment with new technologies, quickly learn the best solutions, and spread that information globally. Sabel and Victor show how some of the most iconic successes in environmental policy were products of this experimentalist approach to problem solving, such as the Montreal Protocol on the ozone layer, the rise of electric vehicles, and Europe’s success in controlling water pollution. They argue that the Paris Agreement is at best an umbrella under which local experimentation can push the technological frontier and help societies around the world learn how to deploy the technologies and policies needed to tackle this daunting global problem. A visionary book that fundamentally reorients our thinking about the climate crisis, Fixing the Climate is a road map to institutional design that can finally lead to self-sustaining reductions in emissions that years of global diplomacy have failed to deliver.

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)0,008
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,035
Communication savante0,0130,023
Science ouverte0,0020,011
Intégrité de la recherche0,0100,009
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,020
Tête enseignante GPT0,263
Écart entre enseignants0,243 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetSustainable Development and PoliciesTravaux en français237 207