MétaCan
Menu
Retour à la cohorte
Enregistrement W2068172926 · doi:10.1080/01900692.2014.907313

Addressing the Challenges of Adaptation to Climate Change Policy: Integrating Public Administration and Public Policy Studies

2014· article· en· W2068172926 sur OpenAlexaboutno aff
Adam Wellstead, Richard C. Stedman

Notice bibliographique

RevueInternational Journal of Public Administration · 2014
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Public administrationClimate changePublic policyPolitical scienceAdministration (probate law)Climate change adaptationPolicy studiesPublic economicsEnvironmental resource managementBusinessEnvironmental planningEconomicsPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

With growing attention on formulating the “right” policies and programs to address climate change, the contribution that policy work will make in fostering adaptive capacity needs to be examined. Policy capacity is crucial to policy formulation and should be at the heart of climate mainstreaming. There are six hypotheses about the nature of climate-based policy work based on a survey conducted of Canadian federal and provincial government employees in the forestry, finance, infrastructure, and transportation sectors. To measure the simultaneous effects on perceived policy capacity, an Ordinary Least Squares regression was conducted. Among the key findings was that the increased demand for climate change science within an organization resulted in a decreased perception of policy capacity. Policy work was largely focused on procedure activities rather than on evaluation. The model found that networking was critically important for perceived policy capacity. Effective policy formulation will involve the participation of others normally not associated with traditional policy work. Evidence-based policy work illustrates that policy success can be achieved by improving the amount and type of information processed in public policy formulation.

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)0,009
score de la tête « metaresearch » (Gemma)0,025
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,474
Tête enseignante GPT0,484
Écart entre enseignants0,009 · 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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Public AdministrationMême sujetdemographic modeling and climate adaptationTravaux en français237 207