Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/33144
Título : | Resource heterogeneity leads to unjust effort distribution in climate change mitigation |
Autor : | Vicens, Julian Bueno Guerra, Nereida Gutiérrez-Roig, Mario Gracia-Lázaro, Carlos Gómez-Gardeñes, Jesús Perelló, Josep Sánchez, Ángel Moreno, Yarmi Duch, Jordi |
Fecha de publicación : | 31 |
Resumen : | La mitigación del cambio climático es un desafío global compartido que involucra la acción colectiva de un conjunto de individuos con diferentes tendencias de cooperación. Sin embargo, no comprendemos el efecto de la desigualdad de recursos cuando diversos actores interactúan juntos hacia un objetivo común. Aquí, informamos los resultados de un experimento de dilema de riesgo colectivo en el que grupos de individuos recibieron inicialmente dotaciones iguales o desiguales. Descubrimos que la distribución del esfuerzo era muy desigual, ya que los participantes con menos recursos contribuían significativamente más a los bienes públicos que los más ricos, a veces el doble. Un algoritmo de aprendizaje no supervisado clasificó a los sujetos según su comportamiento individual, encontrando a los participantes más pobres dentro de dos "grupos generosos" y los más ricos en un "grupo codicioso". Nuestros resultados sugieren que las políticas se beneficiarían al educar sobre la imparcialidad y reforzar las acciones de justicia climática dirigidas a las personas vulnerables en lugar de centrarse en comprender las consecuencias genéricas o globales del clima. Climate change mitigation is a shared global challenge that involves collective action of a set of individuals with different tendencies to cooperation. However, we lack an understanding of the effect of resource inequality when diverse actors interact together towards a common goal. Here, we report the results of a collective-risk dilemma experiment in which groups of individuals were initially given either equal or unequal endowments. We found that the effort distribution was highly inequitable, with participants with fewer resources contributing significantly more to the public goods than the richer −sometimes twice as much. An unsupervised learning algorithm classified the subjects according to their individual behavior, finding the poorest participants within two generous clusters and the richest into a greedy cluster . Our results suggest that policies would benefit from educating about fairness and reinforcing climate justice actions addressed to vulnerable people instead of focusing on understanding generic or global climate consequences. |
Descripción : | Artículos en revistas |
URI : | http://hdl.handle.net/11531/33144 |
ISSN : | 1932-6203 |
Aparece en las colecciones: | Artículos |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
2018_PlosOne_Resource.pdf | 513,18 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.