MétaCan
Menu
Retour à la cohorte
Enregistrement W2993194838 · doi:10.18357/bigr11201919258

Cross-Border Cooperation in the Carpathian Euroregion: Ukraine and the EU

2019· article· en· W2993194838 sur OpenAlexaffvenue
Tatiana Shaban

Notice bibliographique

RevueBorders in Globalization Review · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCross-Border Cooperation and Integration
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAccessionEuropean unionPolitical scienceEuropean Neighbourhood PolicyProsperityGeneral partnershipEconomyInternational tradeEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Cross-border cooperation among the Eastern neighbours of the European Union can be understood as a new approach to public policy and border governance in the region. There was no border cooperation strategy between communist and European countries during Soviet times. The question of the management of the Eastern border of the EU, especially with Belarus, Ukraine, and Moldova, came on the agenda in 1997, when accession to the union was finally opened to Eastern and Southern European candidates. With the Partnership and Cooperation Agreement that came into force in 1998, Ukraine signalled its foreign policy orientation as European, asserting that Western integration would help modernize its economy, increase living standards, and strengthen democracy and rule of law. The European Commission required “good neighbourly relations” as a further condition for accession and in conjunction, the concept of “Wider Europe” was proposed to set up border-transcending tasks. The Carpathian Euroregion was established to contribute to strengthening the friendship and prosperity of the countries of this region. However, the model was not fully understood and had only limited support of the national governments. This article uses the Carpathian Euroregion as a case study to show that overall Ukraine and the EU’s Eastern neighbourhood presents more opportunities for effective cooperation with the EU rather than barriers or risks.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

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 technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,423
Écart entre enseignants0,411 · 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'étudeSans objet
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorders in Globalization ReviewMême sujetCross-Border Cooperation and IntegrationTravaux en français237 207