MétaCan
Menu
Retour à la cohorte
Enregistrement W1570295576 · doi:10.1111/ropr.12108

Interagency Trust and Communication in the Transboundary Governance of <scp>P</scp>acific Salmon Fisheries

2015· article· en· W1570295576 sur OpenAlexafffund
Owen Temby, Archi Rastogi, Jean Sandall, Ray Cooksey, Gordon M. Hickey

Notice bibliographique

RevueReview of Policy Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaGovernment of CanadaIBM Center for the Business of Government
Mots-clésCivil servantsCollective actionCorporate governanceCommissionSocial capitalBusinessFisheryPublic administrationPolitical scienceFinanceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The transboundary governance of Pacific salmon fisheries requires interactions between institutions that can enable collective action, collaboration, and continuous learning. However, relatively little is known concerning how civil servants in different institutions and jurisdictions interact with each other within transboundary policy settings. In this paper, we explore the interactions of civil servants from agencies in five jurisdictions: United States (federal), Canada (federal), British Columbia, Yukon, and Alaska, to assess the extent to which they interact within the Pacific salmon policy network and also the social capital (i.e., formal and informal communication and trust) present among these working relationships. Our results reveal patchy patterns of interagency communication, and relatively low levels of interagency trust between jurisdictions, suggesting the potential for improved collaboration on Pacific salmon governance. Our analysis also revealed that the binational Pacific Salmon Commission had the highest levels of trust within the network, suggesting it is likely well placed to foster collaboration.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,077
Tête enseignante GPT0,370
Écart entre enseignants0,293 · 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

Citations33
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Policy ResearchMême sujetFish Ecology and Management StudiesTravaux en français237 207