MétaCan
Menu
Retour à la cohorte
Enregistrement W2095716135 · doi:10.2202/1944-2866.1036

Virtual Policy Networks in Forestry and Climate Change in the U.S. and Canada: Government Nodality, Internationalization and Actor Complexity

2010· article· en· W2095716135 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevuePolicy & Internet · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésInternationalizationGovernment (linguistics)PoliticsClimate changePublic policyThe InternetPolitical scienceBusinessPublic administrationRegional scienceGeographyWorld Wide WebComputer scienceEcologyInternational trade

Résumé

récupéré en direct d'OpenAlex

Abstract The Internet and the Web have changed policy formulation processes. The Web has increased the potential for governments to use information to manage the policy process and direct policy outcomes. It is argued that understanding the macro impacts of web‐based information and measuring the performances of online public sector information activities is vital to improving governments' web‐based capacity. This paper examines government nodality, internationalization, and actor composition in nine virtual policy networks to explore similarities and differences in online policy activities across different regions. The nine networks analyzed are issue specific, focused on forestry and climate change in four western Canadian provinces (Manitoba, Saskatchewan, Alberta, and British Columbia) and in five western U.S. states (Washington, Oregon, California, Montana, and Colorado). Discussion is focused on how specific contexts around governing priorities, political responses and issue‐specific policy problems shape the nature of virtual web‐based information networks.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,463
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,330
Écart entre enseignants0,293 · 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