Enquête de l'OCDE sur la justice environnementale
Bibliographic record
Abstract
Selon les circonstances sociales et économiques, certains groupes et communautés peuvent être plus exposés aux risques environnementaux, supporter une part inéquitable des coûts associés aux politiques environnementales ou être confrontés à davantage d'obstacles pour participer à la prise de décision en matière d'environnement. Alors que les pays redoublent d'efforts pour lutter contre la dégradation de l'environnement, la pollution et le changement climatique, le concept de justice environnementale peut nous éclairer sur la manière de garantir l'équité dans les processus et les résultats de l'élaboration des politiques environnementales. Ce rapport examine le concept de justice environnementale, sa pluralité, ses piliers conceptuels et la manière dont il est apparu dans différents contextes à travers le monde. Le rapport fournit également le premier bilan de la façon dont les gouvernements de l'OCDE et au-delà cherchent à répondre aux préoccupations de justice environnementale. Pour cela, il s'appuie sur les 26 réponses à la nouvelle enquête de l'OCDE sur la justice environnementale ainsi que sur des analyses documentaires complémentaires qui couvrent un plus grand nombre de pays.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.033 | 0.005 |
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".