Connecting policy change, experimentation, and entrepreneurs: advancing conceptual and empirical insights
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With global environmental problems worsening, policy makers and nonstate actors are looking for viable solutions through policy innovation, entrepreneurship, and experimentation. Research into the use of experiments to innovate is increasing, but the role of experimentation in policy change has yet to be specifically addressed in the context of climate governance. My aim is to improve understanding by examining how entrepreneurs, key agents of change, might use experiments to advance their climate innovations. Policy entrepreneurs can benefit in several ways from using experiments, including assessing public response to new ideas and learning. I address the question: What role can experiments play in an entrepreneur's change strategies? To answer this, a set of 18 policy experiments from Dutch water management was analyzed to understand how the policy experiments functioned as 4 different policy change strategies. The results revealed that organizers use experiments to evaluate their preformed ideas, to soften local communities to the idea of experimentation, to build broad but centrally controlled coalitions, and to link with influential political actors and national programs to maintain visibility and relevance. These insights formed a list of suggestions that the experiment organizers identified as key to the change strategies. Based on this, a number of recommendations about design choices were made for entrepreneurs who want to experiment. Analyzing experiments as change strategies contributes a novel perspective on how policy experiments function as venues for invention and provides useful suggestions on how experiments can be designed to improve their influence over policy-making processes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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