MétaCan
Menu
Retour à la cohorte
Enregistrement W2112639806 · doi:10.1068/b37170

Growth-Management Implementation in Metropolitan Vancouver: Lessons from Actor-Network Theory

2013· article· en· W2112639806 sur OpenAlexaboutno aff
Laura E. Tate

Notice bibliographique

RevueEnvironment and Planning B Planning and Design · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActor–network theoryMetropolitan areaPlan (archaeology)Coping (psychology)Growth managementManagement theorySociologyPublic relationsBusinessManagementEngineeringPolitical scienceEconomicsPsychologyGeographySocial scienceCivil engineering

Résumé

récupéré en direct d'OpenAlex

A case study is used to analyse metropolitan growth management implementation in Greater Vancouver, adding to a growing base of literature studying plan development and implementation through an actor-network theory (ANT) lens. It focuses on Metrotown, an office node initially designated in the Livable Region Plan and remaining regionally significant today. Unfortunately, Metrotown lost some momentum as business parks have seen more office growth in recent years. ANT's qualitative approach to inquiry is used to understand how and why this occurred. In ANT, an actor network emerges in response to any social goal, and is comprised of individuals, organisations, and inanimate artefacts including technologies, processes, laws, buildings, and infrastructure. In this case, the analysis emphasised how network fluctuation impacted plan implementation, including efforts to stabilise and destabilise relationships through what Latour calls black boxes of varying types. It also examined both successful and unsuccessful enrolment strategies. The case suggests that regional and municipal actors possessed enrolment skills but were unable to make more use of them. Further case studies are recommended to enhance planners' skills in coping with fluctuations and developing more effective enrolment strategies for implementation.

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)0,002
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 enseignants0,431
Score d'incertitude au seuil0,787

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0010,000

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 Opus0,102
Tête enseignante GPT0,357
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning B Planning and DesignMême sujetComplex Systems and Decision MakingTravaux en français237 207