MétaCan
Menu
Retour à la cohorte
Enregistrement W2730208772 · doi:10.1111/ijcs.12381

Bringing complexity and convergence governance to consumer policy

2017· article· en· W2730208772 sur OpenAlexaff
Sue L. T. McGregor

Notice bibliographique

RevueInternational Journal of Consumer Studies · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceConvergence (economics)EconomicsProcess (computing)Position (finance)BusinessSociologyComputer scienceManagementEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract Consumer policy is already being shaped by a combination of governance models. This position paper argues that complexity‐oriented convergence models are a timely addition. Modern day consumer policy is characterized as interactive and integrative, replete with shifting boundaries and coalitions and evolving roles for each of state, market and society. This paper focused on governance in the consumer policy arena, arguing that this process needs to acknowledge and reconcile complexity. After describing the basic tenets of complexity theory, two characteristics of contemporary tri‐sector interaction (i.e., sector blurring and sector distortion) were discussed. These boundary characteristics necessitate the need for approaches that can accommodate complexity during consumer policy governance. Three examples of the latter were profiled: sector convergence, network governance and cross‐sector governance. These conceptualizations accommodate the dynamics, complexity and emergence of contemporary consumer policy governance.

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)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,109
Tête enseignante GPT0,409
Écart entre enseignants0,300 · 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'étudeSans objet
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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Consumer StudiesMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207