Economic Analysis and Species at Risk: Lessons Learned and Future Challenges
Bibliographic record
Abstract
The Canadian Species at Risk Act (SARA) has been in existence for 13 years. It was, and in many ways continues to be, controversial. The U.S. Endangered Species Act (ESA) originated in 1973 and has also been controversial. In the 1990s, concerns were raised by economists in Canada and the United States on the design of endangered species (ES) policy. Their concerns surrounded the reconsideration of the ESA and the establishment of SARA. What have we learned since the implementation of SARA over this time? How has the U.S. experience with the ESA informed SARA and its approach? How has the role of economic analysis in ES policy evolved? What continue to be the challenges and what are the opportunities? This paper reviews the concerns raised in the past, and evaluates the lessons learned regarding economics and ES. The unique aspects of the economic analysis of ES problems relative to other environmental concerns are outlined. The paper concludes with a discussion of ways to lessen the tension in debate about the role of economics in ES policy, and embrace the potential for more effective policy analysis and design through integration of economic analysis into conservation policy. Au Canada, la Loi sur les espèces en péril (LEP) est entrée en vigueur il y a 13 ans. Elle avait soulevé la controverse et, à certains égards, c'est encore le cas. Aux États‐Unis, l'Endangered Species Act (ESA – loi sur les espèces en voie de disparition) a vu le jour en 1973 et a aussi fait l'objet de controverse. Au cours des années 1990, des économistes canadiens et américains ont exprimé des préoccupations au sujet de la conception des politiques visant à protéger les espèces en voie de disparition. Leurs préoccupations ont mené à un réexamen de l'ESA et à la mise en œuvre de la LEP. Quelles leçons avons‐nous apprises depuis la mise en œuvre de la LEP? De quelle façon l'expérience des États‐Unis avec l'ESA a‐t‐elle influencé l’élaboration de la LEP et sa stratégie? De quelle façon le rôle de l'analyse économique des politiques visant à protéger les espèces en voie de disparition a‐t‐il évolué? Quels sont, encore aujourd'hui, les défis à relever et les occasions à saisir? Le présent article passe en revue les préoccupations passées et examine les leçons apprises concernant l’économie et les espèces en voie de disparition. Il met en lumière les caractéristiques uniques de l'analyse économique des problèmes liés aux espèces en voie de disparition comparativement à d'autres préoccupations environnementales. Il inclut une discussion sur les façons d'atténuer les tensions dans le débat sur le rôle de l’économie dans l’élaboration des politiques visant à protéger les espèces en voie de disparition et accueille la possibilité de procéder à l'analyse et à la conception efficaces de politiques grâce à l'intégration de l'analyse économique dans l’élaboration des politiques de la conservation.—
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.009 | 0.017 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.009 | 0.011 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".