MétaCan
Menu
Retour à la cohorte
Enregistrement W2052680931 · doi:10.1080/04419057.2013.876589

Urban governance and public leisure policies: a comparative analysis framework

2014· article· en· W2052680931 sur OpenAlexaff
Marc-André Lavigne

Notice bibliographique

RevueWorld Leisure Journal · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésCorporate governancePublic policyCollaborative governanceProcess (computing)Order (exchange)Policy analysisConceptual frameworkField (mathematics)BusinessPublic economicsEconomicsRegional scienceSociologyPublic administrationPolitical scienceEconomic growthSocial scienceManagement

Résumé

récupéré en direct d'OpenAlex

In the last few decades, the literature on leisure policies has evolved, thanks to a better understanding of the effects and impacts of public leisure actions rather than a comprehensive study of that field's public policy process. This has resulted in the development of a corpus focused on knowledge for policies rather than knowledge of policies, particularly in the study of urban governance and of the co-production of services with the non-profit and private sectors. The purpose of this article is to further explore the theoretical and conceptual implications of urban governance applied to the analysis of public leisure policies. It also aims to draw inspiration from the main approaches of urban policy analysis in order to propose an analytical framework applicable to an empirical process for comparative analysis mainly focused on describing the dynamics of local governance. The main purpose of this framework is to analyse the actors, governance mechanisms and factors that characterise the development of local leisure policies while giving special consideration to the collaborative nature of the relationships within this coalition of partners.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,008
Études des sciences et des technologies0,0030,007
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,048
Tête enseignante GPT0,317
Écart entre enseignants0,270 · 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'étudeQualitatif
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Leisure JournalMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207