MétaCan
Menu
Retour à la cohorte
Enregistrement W2760904866 · doi:10.7551/mitpress/9780262035620.003.0004

Global Goal Setting for Improving National Governance and Policy

2017· book-chapter· en· W2760904866 sur OpenAlexaff
Frank Biermann, Casey Stevens, Steven Bernstein, Aarti Gupta, Norichika Kanie, Måns Nilsson, Michelle Scobie

Notice bibliographique

RevueThe MIT Press eBooks · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHuman Rights and Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceAccountabilityMulti-level governanceTransparency (behavior)Project governanceGood governancePolitical scienceBusinessPublic administrationPublic relationsLawFinance

Résumé

récupéré en direct d'OpenAlex

The chapter focuses on the inclusion of “governance goals” in global goal-setting mechanisms, especially the Sustainable Development Goals, and is centred on a question; can better governance, in itself, be a subject for global goal setting? We focus in this chapter on three core qualities of governance, which are good governance, effective governance, and equitable governance. In our understanding, “good” governance focuses on qualitative characteristics of governance such as accountability, transparency, participation, and the rule of law. Effective governance looks at improving the overall problem-solving capacity of governance. Equitable governance focuses on the processes and distributive outcomes of governance, including the need to protect the interests of poor and vulnerable groups. The uncertain relationship between good, effective, and equitable governance shows the importance of monitoring indicators that are related to these concepts at various levels of aggregation, both in relation to particular goals and national or even local contexts.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,007
Communication savante0,0080,009
Science ouverte0,0010,005
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0210,006

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 Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe MIT Press eBooksMême sujetHuman Rights and DevelopmentTravaux en français237 207