MétaCan
Menu
Retour à la cohorte
Enregistrement W2736422150 · doi:10.1177/2399654417719287

The transnational policy process for REDD+ and domestic policy entrepreneurship in developing countries

2017· article· en· W2736422150 sur OpenAlexaff
Sébastien Jodoin

Notice bibliographique

RevueEnvironment and Planning C Politics and Space · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceDeveloping countryLatin AmericansEntrepreneurshipStatus quoBusinessPolitical scienceEmerging marketsEconomic systemEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

This article aims to understand the complex relationship between transnational pathways of policy influence and strategies of domestic policy entrepreneurship in the pursuit of REDD+ in developing countries. Since 2007, a complex governance arrangement exerting influence through the provision of international rules, norms, markets, knowledge, and material assistance has supported the diffusion of REDD+ policies around the world. These transnational pathways of influence have played an important role in the launch of REDD+ policy-making processes at the domestic level. Indeed, over 60 developing countries in Asia, Africa, and Latin America have initiated multi-year programmes of policy reform, research, and capacity-building that aim to lay the groundwork for the implementation of REDD+. However, there is emerging evidence that the nature of policy change associated with these REDD+ policy efforts ultimately depends on the mediating influence of domestic factors. This article offers an analytical framework that focuses on whether and how domestic policy actors can seize the opportunities provided by transnational policy pathways for REDD+ to challenge or reinforce the status quo in the governance of forests and related sectors.

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)0,009
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,009
Communication savante0,0090,005
Science ouverte0,0010,012
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,034
Tête enseignante GPT0,350
Écart entre enseignants0,317 · 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning C Politics and SpaceMême sujetPolicy Transfer and LearningTravaux en français237 207