MétaCan
Menu
Retour à la cohorte
Enregistrement W1618006273 · doi:10.24124/c677/2010168

Environmental Organizations and Climate Change Policy Capacity: An Assessment of the Canadian Case

2010· article· en· W1618006273 sur OpenAlexaffvenueabout
Michael Howlett, Samuel Oliphant

Notice bibliographique

RevueCanadian Political Science Review · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésOrder (exchange)Climate changeGovernment (linguistics)Civil societyFace (sociological concept)Adaptation (eye)Environmental policyBusinessPolitical scienceClimate policyPolicy developmentPublic administrationEnvironmental planningEnvironmental resource managementPoliticsEconomicsSociologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The term ‘policy analytical capacity’ is used within the policy analysis literature to describe the ability of organizations to produce valuable research and analysis on topics of their choosing. As the scientific evidence becomes more clear, and various actors in society continue to point out that governments around the world will need to play a lead role in climate change mitigation and adaptation, there is good reason to believe that environmental policy makers and civil society stakeholders are going to require a high level of policy analytical capacity in order to create effective policies. This article examines the existing analytical capacity of three representative examples of Canada’s most important environmental policy research organizations - two governmental organizations and one NGO - in order to provide information about the status of each organizations’ research capacity and the effect this has on overall government policy-making capability in the face of climate change challenges.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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: aucune
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,918

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,014
Études des sciences et des technologies0,0290,009
Communication savante0,0080,003
Science ouverte0,0030,005
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,023
Tête enseignante GPT0,305
Écart entre enseignants0,282 · 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

Citations21
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Political Science ReviewMême sujetSustainability and Climate Change GovernanceTravaux en français237 207