MétaCan
Menu
Retour à la cohorte
Enregistrement W2898818298 · doi:10.1177/1078087418809939

Capital Cities in Interurban Competition: Local Autonomy, Urban Governance, and Locational Policy Making

2018· article· en· W2898818298 sur OpenAlexaboutno aff
David Kaufmann

Notice bibliographique

RevueUrban Affairs Review · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Urban Networks and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésInterurbanCorporate governanceCapital (architecture)Competition (biology)AutonomyGovernment (linguistics)PoliticsEconomicsEconomic systemInvestment (military)Public policyEconomic geographyEconomyEconomic growthPolitical scienceGeographyFinance

Résumé

récupéré en direct d'OpenAlex

Capital cities are government cities that tend to lack a competitive political economy. Especially secondary capital cities—defined as capitals that are not the primary economic centers of their nation-states—are pressured to increase their economic competitiveness in today’s globalized interurban competition by formulating locational policies. This article compares the locational policies agendas of Bern, Ottawa, The Hague, and Washington, D.C. The comparison reveals that (1) secondary capital cities tend to formulate development-oriented locational policies agendas, (2) local tax autonomy best explains the variance in locational policies agendas, and (3) secondary capital cities possess urban governance arrangements where public actors dominate and where developers are the only relevant private actors. The challenge for secondary capital cities is to formulate locational policies that enable them to position themselves as government cities, as well as business cities, while not solely relying on the development of their physical infrastructure.

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)0,001
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: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,004
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,011
Tête enseignante GPT0,280
Écart entre enseignants0,269 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban Affairs ReviewMême sujetGlobal Urban Networks and DynamicsTravaux en français237 207