Os países da União Europeia (UE) e a implementação da economia circular : uma análise comparativa
Notice bibliographique
Résumé
In order to evaluate the performance of the European Union (EU) 27, its supranational regions and its Member States (MS), in the field of Circular Economy (CE) practices adopted, this research focused its efforts on a quantitative analysis, applying the Alkire-Foster (AF) method, through which the development of the Multidimentional Circular Economy Index (MCEI) came to fruition. Results show that, even though two different time periods are considered, 2008-15 and 2016-21, in both of them, the results stay almost the same, with a few exceptions scattered across the EU27. For both time periods, most MS perform poorly in the implementation of a circular economy when compared to the EU expectations. The Central and Eastern Europe and Northern Europe regions seem to be the regions with the least satisfactory performance regarding CE practices adopted. The reason lies in the low resource productivity present in the Estonia, Latvia and Lithuania MS, which has been partially compensated by the EU structural investment funds (Staehr & Urke, 2022, p.1053). A great disparity in MS individual composite scores, within the same region is also observed in all of the four supranational regions considered, meaning that the promotion of these practices comes, at first hand, from a national policy perspective.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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 ».