MétaCan
Menu
Retour à la cohorte
Enregistrement W2531272547 · doi:10.1080/19460171.2016.1191365

Emergent publics of alcohol and other drug policymaking

2016· article· en· W2531272547 sur OpenAlexaboutno aff
Suzanne Fraser, kylie valentine, Kate Seear

Notice bibliographique

RevueCritical Policy Studies · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesCurtin University of TechnologyAustralian Research CouncilUniversity of New South WalesNational Drug Research InstituteAustralian Government
Mots-clésPublicsCognitive reframingPublic policyPoliticsSociologyPublic relationsPolitical scienceWork (physics)Public serviceLawSocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

Alcohol and other drug (AOD) policy is developed within complex networks of social, economic, and political forces. One of the key ideas informing this development is that of the ‘public’ of AOD problems and policy solutions. To date, however, little scholarly attention has been paid to notions of the public in AOD policymaking. Precisely how are publics articulated by those tasked with policy development and implementation? In this article, we explore this question in detail. We analyze 60 qualitative interviews with Australian and Canadian AOD policymakers and service providers, arguing that publics figure in these interviews as pre-existing groups that must be managed – contained or educated – to allow policy to proceed. Drawing on Michael Warner’s work, we argue that publics should be understood instead as made in policy processes rather than as preceding them, and we conclude by reframing publics as emergent collectivities of interest. In closing, we briefly scrutinize the widely accepted model of good policy development, that of ‘consultation,’ arguing that, if publics are to be understood as emergent, and therefore policy’s opportunities as more open than is often suggested, a different figure – here that of ‘conference’ is tentatively suggested – may be required.

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)0,030
score de la tête « metaresearch » (Gemma)0,032
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,032
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0140,039
Communication savante0,0110,012
Science ouverte0,0010,010
Intégrité de la recherche0,0030,005
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 Opus0,173
Tête enseignante GPT0,480
Écart entre enseignants0,307 · 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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Policy StudiesMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207