MétaCan
Menu
Retour à la cohorte
Enregistrement W2183770417 · doi:10.7202/1038882ar

Understanding Donor Behaviour: Actors and Processes in Disaster-Relief Decision-Making

2017· article· en· W2183770417 sur OpenAlexvenueaboutno aff
Aaida Mamuji

Notice bibliographique

RevueRevue Gouvernance · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural disasterScope (computer science)Emergency managementIntervention (counseling)Psychological interventionPolitical sciencePoliticsFlooding (psychology)Macro levelDevelopment economicsPublic administrationGeographyLawPsychologyEconomicsEconomic system

Résumé

récupéré en direct d'OpenAlex

Two of the largest natural disasters that hit in 2010 were the January earthquake in Haiti and the flooding in Pakistan which followed seven months later. Unlike Canada’s disaster-relief intervention to the earthquake, the response to the Pakistan floods has been argued to be comparatively minimal relative to the extent of damage sustained. Through a series of interviews with bureaucrats affecting Canada’s disaster-relief responses in both 2010 disasters, this paper asks, who (and what) really determines the scope and magnitude of international disaster-relief interventions? Through the development and application of a multi-level conceptual framework, donor behaviour is said to be affected by each of macro-institutional, meso-contextual and micro-foundational factors. The findings highlight the determinative role of political actors in shaping humanitarian assistance decisions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,070
Tête enseignante GPT0,335
Écart entre enseignants0,265 · 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

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue GouvernanceMême sujetInternational Development and AidTravaux en français237 207