MétaCan
Menu
Retour à la cohorte
Enregistrement W2189409776

Municipal Mergers and Demergers in Quebec and Ontario

2015· article· en· W2189409776 sur OpenAlexaboutno aff
Andrew Sancton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessPolitical scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Jean Charest and Dalton McGuinty were both elected as premiers of their respective provinces of Quebec and Ontario in 2003; they had both opposed municipal mergers while they were in opposition; and they both had promised while in opposition to create a mechanism for municipal demergers. Charest followed through on his promise and demergers have taken place; McGuinty reneged. Most observers would probably judge that McGuinty has handled the issue more effectively than Charest. The purpose of this paper is to describe the similarities and differences in the political context in which both leaders were working, to explain their different responses, and to assess the relative merits of the different approaches taken by the two premiers.. Events in the two provinces will be described chronologically. This is because there is ample evidence that political actors in each province were paying close attention to, and were affected by, what was going on in the other. There is little or no documentary evidence to support the assertion that Ontario actors were affected by events in Quebec, but anyone who conversed with relevant government officials and demerger activists in Ontario would be aware of their interest in recent events in what was going on in their neighbouring province.1 Despite its title, this paper does not focus on policy-making in the two provinces relating

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,946

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0260,011
Communication savante0,0050,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,059
Tête enseignante GPT0,242
Écart entre enseignants0,183 · 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'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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative IdentityTravaux en français237 207