MétaCan
Menu
Retour à la cohorte
Enregistrement W2136875870 · doi:10.1111/j.1541-0072.2006.00165.x

The “Mouse That Roared”: Agenda Setting in Canadian Pesticides Politics

2006· article· en· W2136875870 sur OpenAlexaboutno aff
Sarah Pralle

Notice bibliographique

RevuePolicy Studies Journal · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsWork (physics)Political sciencePublic relationsPublic administrationPublic policyCore (optical fiber)LawEngineering

Résumé

récupéré en direct d'OpenAlex

Issue redefinition and venue shopping have been identified as key strategies for enacting agenda and policy change, but much work remains to be done in elaborating these processes. I argue that an important aspect of issue redefinition involves shifting not only the image of an issue but also the bases for considering those issues—what I call policy principles. Policy principles are the core values, beliefs, or guidelines attached to policies that help direct decision making. The emergence and acceptance of new principles by the public and policymakers can be a vital source of policy change, at times having far greater consequences for policy than redefining an issue. Venue shopping is also a multifaceted undertaking involving efforts by policy entrepreneurs and advocacy groups to keep issues out of venues they would rather not participate in as well as move decision making to new arenas. Moreover, while the literature suggests that shifting venues is usually a sensible strategy, sometimes venue shopping can backfire. A case study of the municipal movement to restrict the nonessential use of lawn and garden pesticides in Canada illustrates these theoretical points and shows the applicability of agenda setting models to contexts outside the United States.

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)0,016
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,743
Score d'incertitude au seuil0,862

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0550,038
Communication savante0,0170,007
Science ouverte0,0030,008
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,061
Tête enseignante GPT0,385
Écart entre enseignants0,324 · 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

Citations102
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Studies JournalMême sujetPolicy Transfer and LearningTravaux en français237 207