MétaCan
Menu
Retour à la cohorte
Enregistrement W3158088261 · doi:10.1080/13876988.2021.1880872

“Measuring the Mix” of Policy Responses to COVID-19: Comparative Policy Analysis Using Topic Modelling

2021· article· en· W3158088261 sur OpenAlexaff
Nihit Goyal, Michael Howlett

Notice bibliographique

RevueJournal of Comparative Policy Analysis Research and Practice · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésOperationalizationCoronavirus disease 2019 (COVID-19)Government (linguistics)PandemicVariation (astronomy)Public policyPolicy analysis2019-20 coronavirus outbreakPolitical scienceEconometricsEconomic growthEconomicsPublic administrationMedicine

Résumé

récupéré en direct d'OpenAlex

<p>Although understanding initial responses to a crisis such as COVID-19 is important, existing research on the topic has not been systematically comparative. This study uses topic modeling to inductively analyze over 13,000 COVID-19 policies worldwide. This technique enables the COVID-19 policy mixes to be characterized and their cross-country variation to be compared. Significant variation was found in the intensity, density, and balance of policy mixes adopted across countries, over time, and by level of government. This study advances research on policy responses to the pandemic, specifically, and the operationalization of policy mixes, more generally.</p>

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 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)0,014
score de la tête « metaresearch » (Gemma)0,135
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,135
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,018
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,840
Tête enseignante GPT0,661
Écart entre enseignants0,179 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations59
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Policy Analysis Research and PracticeMême sujetCOVID-19 epidemiological studiesTravaux en français237 207