MétaCan
Menu
Retour à la cohorte
Enregistrement W2571448263 · doi:10.1177/0263774x16682958

Growing centralization in China’s farmland protection policy in response to policy failure and related upward-extending unwillingness to protect farmland since 1978

2017· article· en· W2571448263 sur OpenAlexaff
Taiyang Zhong, Bruce Mitchell, Steffanie Scott, Xianjin Huang, Yi Li, Xiao Lu

Notice bibliographique

RevueEnvironment and Planning C Politics and Space · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésArable landChinaGovernment (linguistics)Central governmentBusinessPhase (matter)Local governmentNatural resource economicsEconomic growthEconomic policyDevelopment economicsEconomicsGeographyPolitical scienceAgriculturePublic administration

Résumé

récupéré en direct d'OpenAlex

Since 1978, China has experienced a rapid loss of arable land, leading to centralizing of farmland protection policies. To understand the growing centralization, this paper has used the lens of the interactions among (1) unwillingness to protect farmland among diverse actors, (2) policy failure and (3) policy change. The growing centralization is an adaptive response to the unwillingness to protect farmland from local up to provincial government levels, and its associated policy failure. The article suggests that gradual centralization over the last almost 40 years has gone through three phases: centralization to county-level, centralization to provincial-level, and intensifying technical supervision from central government. In the first phase, the unwillingness to preserve farmland appeared at the levels of the rural household, village and township; in the second phase, county- and prefecture-level governments began to lose willingness to preserve farmland; and, in the third phase, provincial governments’ willingness to preserve farmland weakened. The current centralized system has succeeded, for the most part, in addressing the problem of asymmetric information about farmland preservation between central and local governments, but the basic planning problem regarding loss of farmland remains a challenge.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,243
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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

Citations62
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning C Politics and SpaceMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207