MétaCan
Menu
Retour à la cohorte
Enregistrement W3163828439

Dynamic Decentralization in Federations: Comparative Conclusions

2018· article· en· W3163828439 sur OpenAlexaffabout
Paolo Dardanelli, John Kincaid, Alan Fenna, André Kaiser, André Lecours, Ajay Kumar Singh, Sean Mueller, Stephan Vogel

Notice bibliographique

RevueSSRN Electronic Journal · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Systems and Governance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDecentralizationLegislaturePhenomenonFederalismVariation (astronomy)Affect (linguistics)CausationPolitical scienceEconomic geographyEconomicsEconomic systemPoliticsSociologyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article presents the conclusions of the project Why Centralization and Decentralization in Federations?, which analyzed dynamic decentralization in Australia, Canada, Germany, India, Switzerland, and the United States over their entire life span. It highlights six main conclusions. First, dynamic decentralization is complex and multidimensional; it cannot be captured by fiscal data alone. Second, while centralization was the dominant trend, Canada is an exception. Third, contrary to some expectations, centralization occurred mainly in the legislative, rather than fiscal, sphere. Fourth, centralization is not only a mid-twentieth century phenomenon; considerable change occurred both before and after. Fifth, variation in centralization across federations appears to be driven by conjunctural causation rather than the net effect of any individual factor. Sixth, institutional properties influence the instruments of dynamic decentralization but do not significantly affect its direction or magnitude. These findings have important conceptual, theoretical, methodological, and empirical implications for the study of federalism.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0020,004
Communication savante0,0030,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,000

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 Opus0,017
Tête enseignante GPT0,345
Écart entre enseignants0,327 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetPolitical Systems and GovernanceTravaux en français237 207