MétaCan
Menu
Retour à la cohorte
Enregistrement W2083750096 · doi:10.1016/j.polsoc.2009.05.001

Introduction: Understanding integrated policy strategies and their evolution

2009· article· en· W2083750096 sur OpenAlexaff
Jeremy Rayner, Michael Howlett

Notice bibliographique

RevuePolicy and Society · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensSimon Fraser UniversityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPublic policyWork (physics)Resilience (materials science)Psychological resilienceEnergy policyScale (ratio)Environmental resource managementEnvironmental planningPolitical scienceEconomicsEconomic growthEngineeringRenewable energyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Much attention in recent years has been focused on the idea of replacing patchworks of public policies in specific issue areas with more coordinated or ‘integrated’ policy strategies (IS). Such strategies are expected to display a match of coherent policy goals and consistent policy means which can produce policy outcomes optimally matched to specific large-scale problem contexts. Work on such strategies in areas such as Integrated Coastal Zone Management (ICZM), National Forest Policies (NFPs), European transportation and energy planning, Mediterranean desertification and others, however, has shown a remarkable resilience of pre-existing policy elements, leading to policy failures and other sub-optimal outcomes. On the basis of a review of this literature, this article argues that the development of IS typically follows one or more of the processes Thelen et al. have characterized as ‘displacement, conversion, layering, drift and exhaustion’. Studies of IS must take this evolutionary perspective into account in developing a better understanding of issues surrounding appropriate IS design.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,007
Communication savante0,0110,010
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,038
Tête enseignante GPT0,322
Écart entre enseignants0,285 · 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
GenreÉditorial

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

En bref

Citations206
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy and SocietyMême sujetPolicy Transfer and LearningTravaux en français237 207