MétaCan
Menu
Retour à la cohorte
Enregistrement W3081795973 · doi:10.1108/jpbafm-05-2020-0070

Stretching the public purse: budgetary responses to COVID-19 in Canada

2020· article· en· W3081795973 sur OpenAlexaffabout
Charles H. Cho, John Kurpierz

Notice bibliographique

RevueJournal of Public Budgeting Accounting & Financial Management · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)PandemicDiversity (politics)OriginalityResilience (materials science)Coronavirus disease 2019 (COVID-19)Psychological resilienceValue (mathematics)Political sciencePoliticsEmergency responsePublic economicsPaymentBusinessEconomic growthEconomicsFinanceMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Purpose This paper summarizes the emergency measures taken by Canada in response to the COVID-19 pandemic, and discusses the key political, economic, and social factors that influenced the design of these measures. Design/methodology/approach This paper collects the announcement of emergency measures in the Canadian provincial and federal governments between March 18 and May 30, 2020 in response to the COVID-19 pandemic and categorizes them by type of emergency response. Findings Canada has a diversified response of emergency measures mediated by its various provinces. This suggests that Canada may be more robust to biological and economic threats than nations that have less policy diversity. Originality/value Canada's diversity of emergency measures allows for several different avenues for future research, including countercyclical spending by subnational polities, organizational diversity's effect on resilience, the effect of tax breaks versus direct or indirect payments, effectiveness of public-private partnerships, and the effect of transparency on citizen satisfaction.

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)0,003
score de la tête « metaresearch » (Gemma)0,019
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,921

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,002
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,050
Tête enseignante GPT0,234
Écart entre enseignants0,184 · 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

Citations23
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Public Budgeting Accounting & Financial ManagementMême sujetFiscal Policy and Economic GrowthTravaux en français237 207