MétaCan
Menu
Retour à la cohorte
Enregistrement W7070707272

Quebec hog producers' willingness to accept carbon credit revenue for adopting management practices that reduce greenhouse gas emissions

2007· dissertation· en· W7070707272 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2007
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene expression and cancer classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon offsetCarbon creditGreenhouse gasRevenueEmissions tradingAgricultureWillingness to payTonneContingent valuation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canada's commitment to the Kyoto Protocol provides agricultural producers with an opportunity to supply carbon offset credits to a domestic carbon market and receive revenue from the sale of these credits. This study employed the multiple bounded discrete choice method to estimate Quebec hog producers' willingness to accept compensation to adopt two management practices that reduce carbon emissions; i.e. reduced protein feeding and adopting a manure storage cover. The average willingness to accept compensation for reduced protein feeding was $46.71 per tonne of CO2 equivalent and for the manure storage cover was $40.40 per tonne of CO2 equivalent. In addition, hog producers were asked what cost they would be willing to bear if they received $20 per animal unit in carbon offset credit revenue. The average cost they were willing to bear was $11.88. Key factors that influenced producers' decisions were identified. Results can be used to improve the institutional rules and public policy associated with developing a domestic carbon emission trading mechanism. Starting-point and sequencing bias were tested for with the convolution approach. Starting-point bias was found in all the hypothetical situations; while sequencing bias was not found.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,299

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,034
Tête enseignante GPT0,320
Écart entre enseignants0,286 · 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'étudeObservationnel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetGene expression and cancer classificationTravaux en français237 207