MétaCan
Menu
Retour à la cohorte
Enregistrement W2026722665 · doi:10.1017/s1537592709991861

International Cooperation as Interagency Cooperation: Examples from Wildlife and Habitat Preservation

2009· article· en· W2026722665 sur OpenAlexaboutno aff
Robert Pahre

Notice bibliographique

RevuePerspectives on Politics · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNegotiationAgency (philosophy)WildlifeLegislatureUnit (ring theory)Political scienceVariation (astronomy)BusinessEnvironmental resource managementInternational tradeEconomicsEcologySociologyLaw

Résumé

récupéré en direct d'OpenAlex

Cooperation between two agencies presents much the same problem whether these agencies are found in different countries or in the same country. This similarity is generally overlooked because the issues over which agencies negotiate often differ—defense and trade policy at the international level, transportation or land use at the domestic level. Demonstrating the analytical similarity of international cooperation to domestic interagency cooperation requires holding issue area constant while allowing interstate and intrastate units to vary. To do this, I focus on cooperation over wildlife and habitat preservation at the domestic and international levels in the US and Canada. I explain this variation in cooperation in a simple theory in which agency goals and certain features of species interact. Variation between successful and unsuccessful cooperation in this issue area is governed solely by characteristics of the species and agency goals in each management unit, and does not depend on whether a problem is “international” or “domestic.” For scholars who think in terms of nation-states interacting in an anarchic international system, this points to a very different unit of analysis. For those who emphasize the domestic politics of international cooperation, this moves us away from executives constrained by legislatures to look at sub-units within each executive.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,859
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on PoliticsMême sujetForest Management and PolicyTravaux en français237 207