MétaCan
Menu
Retour à la cohorte
Enregistrement W7111716829

Don't Go Climate Changing

2025· article· en· W7111716829 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Access Journals at BC (Boston College) · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeGlobal warmingGreenhouse gasClimate commitmentGlobal climateEnforcementGlobal temperatureKyoto ProtocolScientific consensus
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the 1970s, the climate community has worked tirelessly to establish a credible scientific basis for anthropogenic climate change. Though climate change deniers still exist, ever since the International Panel for Climate Change (the IPCC) declared that “observed increase in global average temperatures since the mid-20th century is very likely due to the observed increase in anthropogenic greenhouse gas concentrations,” there has been increasing global recognition of the issue.1 Yet, this global consensus has not directly led to the implementation of a singular global climate policy, but rather to several fragmented international agreements each varying in degree of success. These agreements have all failed to adequately address the entire issue, and with the absence of significant international action, the planet is now on track to warm by at least 2.5 degrees this century.2 Thus, I seek to investigate the conditions that explain this drastic variation in success. After examining the cases of both a successful climate deal, the Montreal Protocol, and a widely considered failed climate deal, the Kyoto Protocol, I will argue that there is one key method for obtaining a successful climate deal: a “carrots and sticks” approach, including binding emission reductions as well as an enforcement mechanism to incentivize them.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0030,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,192
Tête enseignante GPT0,401
Écart entre enseignants0,209 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Access Journals at BC (Boston College)Même sujetClimate Change Policy and EconomicsTravaux en français237 207