MétaCan
Menu
Retour à la cohorte
Enregistrement W7037882455

Essais sur l'aide au développement, les cycles politiques et la dégradation de l'environnement

2020· article· en· W7037882455 sur OpenAlexaboutno aff

Notice bibliographique

Revuetheses.fr (ABES) · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)LienPilotage
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les effets observés du changement climatique sur les dernières décennies mettent en exergue le besoin et l’urgence de mobiliser suffisamment de ressources pour le ralentir et en atténuer les effets. Dans le cas des pays en développement, d’aucuns suggèrent que l’aide au développement aurait un rôle non des moindres à jouer dans cette lutte. Cependant, encore faudrait-il que les ambitions politiques des décideurs ne soient pas en compétition avec celles environnementales. Cette thèse examine les liens existants entre l’aide au développement, les cycles politiques et la dégradation de l’environnement, à travers trois chapitres empiriques. Le chapitre 2 étudie le lien entre l’aide et l’atténuation des émissions de CO2 dans 112 pays en développement. Il montre que l’effet de l’aide dépend du type de donneur, l’aide multilatérale étant plus susceptible de réduire la pollution que l’aide bilatérale pour laquelle il n’y a pas d’effet. Cependant, une aide bilatérale spécifiquement ciblée sur la protection de l’environnement contribue à réduire le niveau de pollution. Cet impact est toutefois non linéaire, un effet de réduction de la pollution n’étant observé que pour des montants importants d’aide bilatérale environnementale. Le chapitre 3 étudie les facteurs associés à l’allocation de l’aide bilatérale environnementale entre les pays bénéficiaires, sur la période 1990-2013. L’objectif est d’évaluer si l’aide bilatérale environnementale est motivée par des facteurs non environnementaux tels que les intérêts économiques et politiques des donneurs. Trois types de variables susceptibles d’influencer l’allocation de l’aide environnementale sont examinés : les besoins et les mérites environnementaux et non environnementaux des pays bénéficiaires, ainsi que les intérêts économiques et politiques des donneurs. Les variables relatives aux besoins et aux mérites environnementaux comprennent la vulnérabilité aux événements climatiques extrêmes et la rigueur de la politique environnementale. Les résultats des régressions montrent que si la vulnérabilité au changement climatique semble être un déterminant clé de l’aide environnementale, son allocation est peu ou pas liée aux efforts d’atténuation du changement climatique des bénéficiaires. Il trouve également peu d’évidence empirique sur une quelconque association entre les variables d’intérêt des donneurs et l’aide environnementale, en moyenne. Cependant, une analyse désagrégée révèle d’importantes hétérogénéités dans ces relations, et révèle ainsi que certains donneurs sont plus sensibles aux variables environnementales, tandis que d’autres semblent plutôt se concentrer sur leurs intérêts économiques et politiques. Le chapitre 4 explore l’impact des élections sur la politique environnementale et la dégradation de l’environnement, en utilisant un échantillon de 76 pays démocratiques de 1990 à 2014. Les estimations indiquent que les années électorales sont caractérisées par une augmentation des émissions de CO2, même si cet effet semble s’atténuer sur les années plus récentes. Il révèle également que cet effet n’est présent que dans les démocraties plus anciennes, où les électeurs sont plus avisés et où les dirigeants se livrent à des manipulations budgétaires via la composition des dépenses publiques plutôt que par leur niveau. Une plus grande liberté de la presse et des préférences environnementales élevées de la part des électeurs permettent de réduire l’ampleur de ce cycle.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,413
Tête enseignante GPT0,443
Écart entre enseignants0,030 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)Même sujetScientific Computing and Data ManagementTravaux en français237 207