MétaCan
Menu
Retour à la cohorte
Enregistrement W1975636062 · doi:10.1111/j.1467-923x.2007.00870.x

Regulating Lobbyists: A Comparative Analysis of the United States, Canada, Germany and the European Union

2007· article· en· W1975636062 sur OpenAlexaffabout
Raj Chari, Gary Murphy, John Hogan

Notice bibliographique

RevueThe Political Quarterly · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePolitical Influence and Corporate Strategies
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésParliamentLegislationPoliticsEliteEuropean unionDemocracyComparative politicsPolitical scienceIdeal (ethics)LegislaturePublic administrationPolitical systemIdeal typeLaw and economicsPolitical economyLawSociologyBusinessInternational tradeSocial science

Résumé

récupéré en direct d'OpenAlex

Lobbying is central to the democratic process. Yet, only four political systems have lobbying regulations: the United States, Canada, Germany and the EU (most particularly, the European Parliament). Despite the many works offering individual country analysis of lobbying legislation, a twofold void exists in the literature. Firstly, no study has offered a comparative analysis classifying the laws in these four political systems, which would improve understanding of the different regulatory environments. Secondly, few studies have analysed the views of key agents—politicians, lobbyists and regulators—and how these compare and contrast across regulatory environments. We firstly utilise an index measuring how strong the regulations are in each of the systems, and develop a classification scheme for the different ‘ideal’ types of regulatory environment. Secondly, we measure the opinions of political actors, interest groups and regulators in all four systems (through questionnaires and elite interviews) and see what correlations, if any, exist between the different ideal types of system and their opinions. The conclusion highlights our findings, and the lessons that can be used by policy‐makers in systems without lobbying legislation.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,689

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,019
Études des sciences et des technologies0,0100,004
Communication savante0,0060,001
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 Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,228 · 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'étudeSans objet
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

Citations67
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Political QuarterlyMême sujetPolitical Influence and Corporate StrategiesTravaux en français237 207