MétaCan
Menu
Retour à la cohorte
Enregistrement W2811141519 · doi:10.1111/gove.12346

How to organize secondary capital city regions: Institutional drivers of locational policy coordination

2018· article· en· W2811141519 sur OpenAlexaboutno aff
David Kaufmann, Fritz Sager

Notice bibliographique

RevueGovernance · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLocal Government Finance and Decentralization
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésMetropolitan areaAutonomyCapital (architecture)Tax competitionNational capitalEconomic geographyPoliticsCapital regionLocal economic developmentFragmentation (computing)EconomicsEconomic systemEconomic growthEconomyRegional sciencePolitical scienceGeographyPublic economicsMarket economyTax reform

Résumé

récupéré en direct d'OpenAlex

We analyze locational policy coordination in the metropolitan regions of secondary capital cities. Secondary capital cities—defined as capitals that are not the primary economic city of their nation states—serve as the political center of their nation states; however, they must simultaneously explore new ways to develop their own regional economies. Locational policies, and their regional coordination, aim to strengthen the economic competitiveness of metropolitan regions. Our comparison of the metropolitan regions of Bern, Ottawa–Gatineau, The Hague, and Washington, D.C., reveals that vertical institutional fragmentation, together with high local tax autonomy, create an unlevel playing field, which prompts jurisdictions to behave fiercely in regional tax competition. These findings are troubling for secondary capital cities given their propensity to be located in fragmented metropolitan regions and the capital city‐specific local tax autonomy constraints imposed on them.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,073
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,013
Tête enseignante GPT0,263
Écart entre enseignants0,250 · 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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGovernanceMême sujetLocal Government Finance and DecentralizationTravaux en français237 207