MétaCan
Menu
Retour à la cohorte
Enregistrement W2749436364 · doi:10.1080/14494035.2017.1361636

Three competing interpretations of policy problems: tame and wicked problems through the lenses of population aging

2017· article· en· W2749436364 sur OpenAlexafffundabout
Patrik Marier, Isabelle Van Pevenage

Notice bibliographique

RevuePolicy and Society · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational Family Dynamics and Caregiving
Établissements canadiensUniversité de MontréalConcordia University
Organismes subventionnairesCanada Research Chairs
Mots-clésPopulation ageingDominance (genetics)Public policyPopulationSociologySocial policyOpposition (politics)Context (archaeology)Positive economicsSocial issuesPolitical scienceEconomicsPoliticsLawDemographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This contribution presents competing lenses of population aging as policy problems and it compares their impact on the treatment of policy problems. Three lenses are analysed: intergenerational, biomedical and social gerontological. The intergenerational lens treats population aging as a new form of class conflict along age groups. The social gerontological lens claims that population aging is first and foremost a social issue and it stands in opposition to the dominance of biomedical approaches that treat aging as a pathology. The presence of these three alternative conceptions of the policy problem is indicative of the complexity surrounding population aging and the importance of having divergent definitions of policy problems. Via an analysis of informal care giving in the Canadian context, this contribution also presents a comparison of the three lenses with a focus on the roots of these conceptualisations in various disciplines, their prevalence in various public organisations, and the policy consequences of their strength or weakness.

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)0,039
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,006
Études des sciences et des technologies0,0120,147
Communication savante0,0260,026
Science ouverte0,0040,014
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,335
Écart entre enseignants0,305 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePolicy and SocietyMême sujetIntergenerational Family Dynamics and CaregivingTravaux en français237 207