MétaCan
Menu
Retour à la cohorte
Enregistrement W2797802742 · doi:10.1111/ropr.12287

Agenda‐Setting at the Energy‐Water Nexus: Constructing and Maintaining a Policy Monopoly in U.S. Hydraulic Fracturing Regulation

2018· article· en· W2797802742 sur OpenAlexaff
Jennifer Baka, Kate J. Neville, Erika Weinthal, Karen Bakker

Notice bibliographique

RevueReview of Policy Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)MonopolyHydraulic fracturingConceptualizationNexus (standard)Public administrationPoliticsPublic policyScholarshipHegemonyEconomicsGovernment (linguistics)Political sciencePolitical economySociologyLawMarket economyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Despite calls to increase federal oversight of hydraulic fracturing (HF), the U.S. Congress has maintained a regulatory system in which environmental regulatory authority is devolved to the states. We argue that this system is characterized by a long‐standing “policy monopoly”: a form of stability in policy agenda‐setting in which a specific manner of framing and regulating a policy issue becomes hegemonic. Integrating theories on agenda‐setting and environmental discourse analysis, we develop a nuanced conceptualization of policy monopoly that emphasizes the significance of regulatory history, public perceptions, industry–government relations, and environmental “storylines.” We evaluate how a policy monopoly in U.S. HF regulation has been constructed and maintained through a historical analysis of oil and gas regulation and a discourse analysis of eleven select congressional energy committee hearings. This research extends scholarship on agenda‐setting by better illuminating the importance of political economic and geographic factors shaping regulatory agendas and outcomes.

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)0,048
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,048
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,033
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,005
Études des sciences et des technologies0,0100,043
Communication savante0,0130,012
Science ouverte0,0020,006
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,338
Écart entre enseignants0,313 · 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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Policy ResearchMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207