MétaCan
Menu
Retour à la cohorte
Enregistrement W2968548053 · doi:10.1093/oxfordhb/9780190862084.013.7

Temporality and the Analysis of Policy Processes

2019· book-chapter· en· W2968548053 sur OpenAlexaff
Michael Howlett

Notice bibliographique

RevueOxford University Press eBooks · 2019
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésTemporalityPresuppositionPath dependencyNarrativeDependency (UML)Process (computing)Path (computing)ChaoticStochastic processEpistemologyEconometricsPositive economicsManagement scienceComputer scienceMathematicsEconomicsArtificial intelligenceStatisticsEconomic geographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter discusses the “historical turn” in the policy sciences and why it has occurred. It evaluates four general models of historical change processes that are commonly applied in policy analyses: stochastic, historical narrative, path dependency, and process sequencing. The chapter sets out the origins and elements of each model and assesses the merits and evidence for each in the analysis of public policymaking. The chapter suggests more work needs to be done examining the assumptions and presuppositions of each model before it can be concluded that any represents the general case for all policy processes. Neither the irreversible linear reality assumed by narrative models, nor the random and chaotic world assumed by stochastic models, nor the contingent turning points and irreversible trajectories required of the path dependency model are found very often in policymaking. Hence, the chapter agues these models are likely to be less significant than process-sequencing ones in describing the overall pattern of policy dynamics and temporality.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,996
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetPolicy Transfer and LearningTravaux en français237 207