Comparative Planning Research, Learning, and Governance: The Benefits and Limitations of Learning Policy by Comparison
Notice bibliographique
Résumé
In this article, the authors develop a perspective on the value of, and methodologies for, comparative planning research. Through comparative research, similarities and differences between planning cases and experiences can be disentangled. This opens up possibilities for learning across planning systems, and possibly even the transfer of best planning and policy practices across systems, places, or countries. Learning in governance systems is always constrained; learning in planning systems is further constrained by the characteristics of the wider governance system in which planning is embedded. Moreover, self-transformation of planning systems always takes place, not always driven by intentional learning activities of individuals and organizations, or of the system as a whole. One can strive to increase the reflexivity in planning systems though, so that the system becomes more aware of its own features, driving forces, and modes of self-transformation. This can, in turn, increase the space for intentional learning. One important source of such learning is the comparison of systems at different scales and learning from successes and failures. We place this comparative learning in the context of other forms of learning and argue that there is always space for comparative learning, despite the rigidities that characterize planning and governance. Dialectical learning is presented as the pinnacle of governance learning, into which comparative learning, as well as other forms of learning, feed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,168 | 0,256 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,011 | 0,016 |
| Études des sciences et des technologies | 0,007 | 0,062 |
| Communication savante | 0,017 | 0,041 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».