MétaCan
Menu
Retour à la cohorte
Enregistrement W129815036 · doi:10.36368/jns.v4i1.632

Regional development, transport infrastructure and government policy : The case of ice-breaking along the coastline of Norrland, Sweden, 1940–1975

2010· article· en· W129815036 sur OpenAlexaboutno aff
Martin Eriksson

Notice bibliographique

RevueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationGovernment (linguistics)GeographyClimatologyPolitical scienceGeology

Résumé

récupéré en direct d'OpenAlex

Due to the cold climate, navigation along the coast lines of the northern regions in Sweden, Finland, Canada, Russia and the United States must negotiate winter conditions which cause ports to freeze over. In order to avoid the negative economic effects of such interruptions, ice-breaking and other measures to facilitate winter navigation have been introduced. This article deals with the introduction of ice-breaking along the coast line of the five northernmost counties in Sweden, the Norrland region, from a perspective that examines and analyzes the underlying decision-making processes. It is concluded that the ability of regional interest groups to link their demands for an improved ice-breaker service to important aims within macro policy such as trade policy, growth policy and regional development policy contributed to the outcome of the decision-making processes. The international competitiveness of the export industries in Norrland was therefore regarded as a national concern during the decision-making processes. Another factor that contributed to the outcome of the decision-making processes was the sectoral organization within the government maritime bodies. Large-scale planning and operational experimentation was allowed to take place within the ice-breaker service, which convinced the government that ice-breaking and winter navigation were a feasible transport alternative.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,785

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,299
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKTH Publication Database DiVA (KTH Royal Institute of Technology)Même sujetArctic and Russian Policy StudiesTravaux en français237 207