Dimensions éthiques de l’allocation du financement international de l’adaptation au changement climatique
Bibliographic record
Abstract
La question de la distribution interétatique des ressources financières prévues en soutien à l’adaptation des pays en développement sous la Convention-cadre des Nations Unies sur les changements climatiques (CCNUCC) a fortement attiré l’attention tant dans les débats académiques que dans les négociations politiques internationales. Quels sont les paramètres devant guider l’allocation de ces financements ? Des considérations d’équité et d’efficience sont présentes dans le texte de la CCNUCC (1992) et dans différentes décisions prises par la Conférence des Parties à la Convention. Il est cependant tout à fait apparent que des notions d’équité dominent dans ces textes pour ce qui concerne l’allocation du financement de l’adaptation. Pour certains observateurs, cette prééminence des questions d’équité serait due à la difficulté d’évaluer l’efficience des actions d’adaptation. Il est vrai que l’incertitude relative aux évolutions climatiques futures et aux trajectoires d’exposition et de vulnérabilité contraint fondamentalement l’étude de cette question. Cependant et comme nous le mettons en évidence dans le présent article, l’évaluation de la vulnérabilité des différents pays – c’est-à-dire de leurs besoins en matière d’adaptation – est tout aussi complexe. À notre sens, l’importance accordée au critère d’équité dans l’allocation des financements internationaux visant l’adaptation doit plutôt être comprise comme étant le reflet de choix éthiques, d’essence normative. Le présent article a précisément pour objectif de mettre en lumière ces choix normatifs et d’en examiner les manifestations dans les pratiques allocatives des fonds multilatéraux dédiés au financement de l’adaptation – des fonds largement considérés comme des « laboratoires » des efforts en la matière.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".