MétaCan
Menu
Retour à la cohorte
Enregistrement W1964019541 · doi:10.1177/0020852314543210

Introduction: time, temporality and timescapes in administration and policy

2014· article· en· W1964019541 sur OpenAlexaff
Michael Howlett, Klaus H. Goetz

Notice bibliographique

RevueInternational Review of Administrative Sciences · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésTemporalityPoliticsPublic policyAdministration (probate law)Government (linguistics)Public administrationSociologyPeriod (music)Power (physics)InstitutionPolitical scienceSocial scienceEpistemologyLawAesthetics

Résumé

récupéré en direct d'OpenAlex

This article surveys time, temporality and timescapes in the study of public administration and public policy. While references to temporal categories, such as timing, sequence, speed, duration, time budgets, time limits or time horizons, are ubiquitous in political science, there are few systematic treatments of time in administration and policy-making. The special issue which this article introduces focuses on analyses that seek to explain policy development over time; the link between time and power; and the role that visualisation may play in helping to understand change over time. Taken together, the papers seek to advance the debate by 1. exploring different facets of time and how they affect government and public policy; 2. paying attention to time as an institution and a resource; 3. discussing the temporal features of politics and administration, such as, e.g., term limits, and of public policy-making, such as policy cycles or policy horizons; 4. exploring time from both diachronic-historical and synchronic perspectives; 5. debating the status of time in different theoretical traditions in political and policy analysis; and 6. examining time from a methodological standpoint.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0030,009
Communication savante0,0060,011
Science ouverte0,0010,003
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,044
Tête enseignante GPT0,431
Écart entre enseignants0,386 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations129
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Review of Administrative SciencesMême sujetPolicy Transfer and LearningTravaux en français237 207