MétaCan
Menu
Back to cohort

Crecimiento económico y medio ambiente

2022· article· es· W4212882483 on OpenAlexaboutno aff
Juan José Solórzano Chamorro, Johannes Stalin Vera Basurto, Jahaira Paola Buñay Cantos

Bibliographic record

VenueRECIAMUC · 2022
Typearticle
Languagees
FieldEconomics, Econometrics and Finance
TopicBusiness, Innovation, and Economy
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Todo propósito ya sea social o económico, provoca un impacto directo en el medio ambiente, generando perturbaciones indeseables sobre el mismo. Los daños ambientales son ocasionados principalmente por la sobreexplotación de los recursos naturales y la degradación ambiental a la que son sometidos los ecosistemas. El presente artículo describe y compara diferentes literaturas sobre Crecimiento económico y medio ambiente. Para ello, se recolecta esta información de diferentes fuentes bibliográficas adquiridas de bases de datos (SCOPUS, PubMed, Biblioteca Cochrane, Google Scholar) valorando la calidad y veracidad de la información recopilada, así como la actualidad del contenido. El crecimiento y el desarrollo económico desde antes de la revolución industrial y después de esta, inclusive hasta la actualidad ha estado estrechamente ligado al medio ambiente, ya que el hombre ha encontrado en la explotación de los recursos naturales, medios para el desarrollo de bienes y servicios que han estado ligados al aumento progresivo de la población, lo que ha generado la demanda de bienes, servicios, productos, entre otros. Es indudable que existe entonces una relación directa entre el crecimiento económico y el medio ambiente, como se ha podido observar en esta investigación y en las imágenes de estudios sobre las emisiones de CO2 solo por mencionar al menos uno de los elementos, el aumento de las emisiones de gases que dañan el medio ambiente ha ido en aumento, a pesar de los grandes esfuerzos de organizaciones internacionales (Protocolo de Kioto, Protocolo de Montreal) y sus luchas por la reducción de emisiones de CO2, deforestación ambiental, contaminación de afluentes de ríos, entre otros. En lo que tiene que ver a Ecuador ha tenido grandes avances en la reducción de emisión de dióxido de carbono (CO2) en ámbitos generales independientemente del sector que los emita, con reducciones importantes desde el año 2014. Esto debido a todas las políticas implementadas por el Estado para la conservación del medio ambiente y los recursos naturales.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.020
Threshold uncertainty score0.051

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.006
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0060.012
Science and technology studies0.0020.004
Scholarly communication0.0080.007
Open science0.0010.003
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0150.002

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.

Opus teacher head0.031
GPT teacher head0.215
Teacher spread0.184 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueRECIAMUCSame topicBusiness, Innovation, and EconomyFrench-language works237,207