MétaCan
Menu
Retour à la cohorte
Enregistrement W3179567707 · doi:10.5539/res.v13n3p14

The Frequency of Use of Legislative and Non-Legislative Tools in Five Countries

2021· article· en· W3179567707 sur OpenAlexvenueaboutno aff
Osnat Akirav

Notice bibliographique

RevueReview of European Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislaturePublicityLegislationOpposition (politics)Government (linguistics)Political scienceLegislative assemblyPublic administrationLawPolitics

Résumé

récupéré en direct d'OpenAlex

This study analyzes the use of legislative and non-legislative tools, which has rarely been done simultaneously. I collected data about the frequency of use of legislative tools (presenting and passing legislation) and non-legislative tools (making one-minute speeches, written and oral parliamentary questions and motions for the agenda) in five countries: the US, the UK, Canada, Australia and Israel. The results confirm my three hypotheses. Legislators from Australia, the UK and Canada use fewer legislative tools because their use is more constrained than in the US and Israel. Legislators use more semi or unconstrained tools that involve publicity than those that simply appear on the record. Finally, opposition members use more non-legislative tools while government members use more legislative tools. However, the degree of constraint on the use of the tool moderates this finding. The study provides a comprehensive understanding of the legislators' strategic use of legislative and non-legislative tools. 

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,120
Tête enseignante GPT0,391
Écart entre enseignants0,271 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreSynthèse

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetSocial Media and PoliticsTravaux en français237 207