El principio de no causar un perjuicio significativo al medio ambiente (DNSH) como mecanismo de evaluación ambiental de las actuaciones del Plan de Recuperación, Transformación y Resiliencia: a propósito de la Orden HFP/1030/2021, del 29 de septiembre por la que se configura el sistema de gestión del Plan de Recuperación, Transformación y Resiliencia
Bibliographic record
Abstract
El Ministerio de Hacienda y Función Pública ha publicado recientemente la Orden HFP/1030/2021 que configura y desarrolla el sistema de gestión del Plan de Recuperación, Transformación y Resiliencia, en el que el principio de no causar un perjuicio significativo al medio ambiente (conocido como «DNSH»), se establece como uno de sus criterios específicos y por lo tanto de obligatoria consideración, en la ejecución de todas las actuaciones para todo el sector público y los perceptores de fondos. La evaluación de este nuevo principio ambiental se realiza en este sistema de gestión con un «test de daños ambientales» y una lista de verificación de «análisis de riesgo sobre impactos medioambientales no deseados», que los órganos responsables y gestores deberán cumplimentar para comprobar su aplicación en los procedimientos. Sin embargo, bajo la simplicidad y sencillez de estos trámites formales destinados a facilitar la coordinación y el seguimiento, subyacen importantes implicaciones prácticas en términos de carga burocrática, complejidad técnica, disponibilidad de recursos específicos adecuados y la necesidad de generar certidumbre a los sujetos implicados. Así, advertimos que pueden surgir dificultades en el abordaje de esta tarea, sobre todo si tenemos en cuenta que se va a requerir un conocimiento técnico y especializado en materia ambiental que de momento no existe en muchas administraciones.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".