MétaCan
Menu
Retour à la cohorte
Enregistrement W2517457565 · doi:10.17073/2072-1633-2016-2-183-190

Urban Agglomeration as an Element of Regional Policy (Canada example)

2016· article· en· W2517457565 sur OpenAlexaboutno aff
Pavel Stroyev, M. N. Rawaiev

Notice bibliographique

RevueRussian Journal of Industrial Economics · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCross-Border Cooperation and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElement (criminal law)Economic geographyEconomies of agglomerationUrban agglomerationRegional scienceRegional policyGeographyEconomicsPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

The transition from the alignment of regional development policy levels to the polarized politics of development leads to the task of forming a new system of strategic objectives of territorial development and mechanisms to achieve them. This agglomeration acting as «locomotives» of economic and social development for the surrounding areas can become centers for the modernization and development of the entire national economy. The article considers the role of urban centers in the formation of a federal state regional policy on the example of Canada. The paper analyzes the causes and consequences of the emergence of urban agglomerations, administrative and political structure of emerged subjects, considers entities organized on the basis of public / municipal-private partnerships, focusing on the implementation of cluster initiatives in the territory of agglomerations. On the example of metropolitan areas of Toronto and Montreal, features of formation of a control system and the development of urban centers in Canada are highlighted. The work reveals the positive and negative sides of the agglomeration municipalities, a comparative analysis of the characteristics of agglomerate in Russia and Canada is presented, approaches are proposed. The presented Canadian experience shows that in formation of urban agglomeration it is necessary to seek a compromise between integration and individualization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,583

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0110,005
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,057
Tête enseignante GPT0,319
Écart entre enseignants0,262 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRussian Journal of Industrial EconomicsMême sujetCross-Border Cooperation and IntegrationTravaux en français237 207