MétaCan
Menu
Retour à la cohorte
Enregistrement W3097387405 · doi:10.1080/07393148.2020.1840199

Race, Citizenship and Participation: Interrogating the Racial Dynamics of Participatory Budgeting

2020· article· en· W3097387405 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNew Political Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCitizenshipParticipatory budgetingCitizen journalismRace (biology)SociologyInclusion (mineral)Neoliberalism (international relations)RacismRepresentation (politics)ReputationDemocracyDiversity (politics)Dynamics (music)Political sciencePublic administrationPublic relationsGender studiesPoliticsPolitical economySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article uses participatory budgeting as an entry point to explore the relationship between race, citizenship, and participatory democracy. Drawing on theories of racial neoliberalism, I arguethat in Chicago (United States), heavy emphasis on the representation of Black and Hispanic residents has been based on simplistic demographic measures of diversity. This focus obfuscates morecomplex racial dynamics that limit involvement for residents whoare racialized and/or undocumented. The use of participatory budgeting as a politicalbranding tool closely ties the reputation of the local elected officialto the success of the process in engaging diverse constituents. This curtails the motivation of elected officials to address theshortcomings of the process openly. Detailed examinationof the racial dynamics of participatory budgeting in Chicagosuggests the need to push beyond representative approaches toracial inclusion to challenge structural inequities.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
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 Opus0,158
Tête enseignante GPT0,451
Écart entre enseignants0,293 · 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