MétaCan
Menu
Retour à la cohorte
Enregistrement W7070745170

Public perception and valuation of UV health risks in low and high risk countries

2001· book· en· W7070745170 sur OpenAlexaboutno aff

Notice bibliographique

RevueePrints Soton (University of Southampton) · 2001
Typebook
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWillingness to payRisk perceptionContingent valuationPublic healthValuation (finance)Health riskSunbathingPerception
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with valuing the health risks of sun exposure due to ultra violet (UV) radiation. The study's main objective is to assess the public perception and valuation of UV health risks in countries in which the scientifically established risk levels are significantly different. Using a multi-country survey, we investigate the relationships between risk awareness, perception, behaviour and willingness to pay for risk reductions. These risk reduction premia are evaluated both for a private good (a new sun protection product) and a public good (a global fund for reducing global emissions of stratospheric ozone-depleting substances). We find that public awareness of risks is highest in New Zealand. Interestingly, the health effects of sunbathing are perceived as more detrimental in South Europe (Portugal and Greece) than in North Europe (England and Scotland), even though the actual risks are higher in the latter. We furthermore find that a substantial market exists for higher protection sunscreens, as evidenced by willingness to pay in the private good case. These willingness to pay amounts can be fairly well explained using a model incorporating both exogenous risk factors and risk-reducing behaviour. In terms of the public good, the policy message, which emerges is that public willingness to contribute to the Multilateral Fund established under the Montreal Protocol is highly variable across the countries studied.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,370
Tête enseignante GPT0,367
Écart entre enseignants0,003 · 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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueePrints Soton (University of Southampton)Même sujetClimate Change Communication and PerceptionTravaux en français237 207