MétaCan
Menu
Retour à la cohorte
Enregistrement W2996826305 · doi:10.17323/1996-7845-2019-02-04

Causes of G20 Compliance: Institutionalization, Hegemony, Reciprocity or Clubs

2019· article· en· W2996826305 sur OpenAlexaff
John Kirton, Alisa Nikolaeva

Notice bibliographique

RevueInternational Organisations Research Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInstitutionalisationHegemonyReciprocity (cultural anthropology)Compliance (psychology)Political scienceSociologySocial sciencePsychologySocial psychologyPolitics

Résumé

récupéré en direct d'OpenAlex

In recent years, multilateralism has faced significant challenges.The rise of populist sentiment in western countries, trade wars and now slowing economic growth have undermined trust in multilateral institutions including those of a plurilateral summit form.The Group of Twenty (G20) often faces criticism for its ineffective problem-solving and members' poor compliance with their summit commitments.Yet evidence from the G20 Research Group shows that G20 members do comply solidly with the commitments they make at one summit before the next one takes place.Some summits and subjects have secured higher compliance than others.Understanding what causes compliance and how it can be improved is essential for improving G20 effectiveness, credibility and even its future.This study offers an exploratory quantitative analysis of performance at G20 summits.It relies on established conceptual frameworks and presents a descriptive inferential argument.Compliance coincides with, and thus might be improved by, making more summit commitments, holding ministerial meetings and using specific catalysts in the commitments, given the prevailing reciprocity in compliance among members rather than a single dominant actor such as the U.S. or China setting the pace.

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)0,014
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,015
Communication savante0,0040,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,218
Tête enseignante GPT0,486
Écart entre enseignants0,268 · 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'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Organisations Research JournalMême sujetInternational Development and AidTravaux en français237 207