Bibliographic record
Abstract
Den Nordiska konferensen om ekonomiska modeller och deras policyrelevans, i klimathänseende, hölls 25 maj 2016. Talare var experter och forskare från OECD, svenska universitet och nordiska institutioner samt politiker från olika partier i Sverige och Finland. Målet var att diskutera hur man bättre integrerar klimatfrågorna i ekonomisk politik, när kortsiktiga makroekonomiska modeller ämnade för finansiell analys, sällan kan ta hänsyn till klimataspekter på grund av tekniska svårigheter. Diskussionen fokuserade på möjligheter och begränsningar i olika sorters ekonomiska modeller samt på några klimatpolicy-frågor såsom handelssystem med utsläppsrätter och koldioxidskatter. Den övergripande slutsatsen var att det troligtvis är bättre att använda sig av olika sorters modeller för att analysera olika frågor och inte försöka infoga klimataspekter i kortsiktiga makroekonomiska modeller.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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; both teacher heads agree on what is shown here.
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".