Analysis of the Performance of Municipalities in Terms of Urban Good Governance in Shahrekords
Notice bibliographique
Résumé
Nowadays, increasing cities population and difficulties due to the centralized programming approach that leading to the disorderliness in cities at one side and awareness and increasing citizens rights at the other side; necessitate the reexamining in urban management and city management. due to the radical changes in cities’ developmental management, in addition to the mentioned approach, we need to deploy a decentralized approach in urban organization or apply a good urban governance with citizens cooperation simultaneously, so for removing current problems in urban development we should take into account the local organizations and governmental and non-governmental organization. The goal of this research is to consider Shahrekord performance in the framework of good urban governance. The research method is descriptive-analytical method, and data and information for this research gathered through field study and used measuring method, and subjects include sample of 330 shahrekod citizens. In this research we applied four standards for good urban governance i.e cooperation, efficiency, transparency and accountability, and for data processing and analyzing we used SPSS software. Findings show that efficiency has a mean equals to 2.95, cooperation 2.67, accountability with a satisfying mean equals to 2.59, and transparency is 2.58. so shahrekords’ municipal performance in the framework of good performance is unsuitable, so research hypothesis which imply on suitable municipal performance at the framework of good urban management is unsatisfying and not being proven.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».