MétaCan
Menu
Retour à la cohorte
Enregistrement W3206433115 · doi:10.3390/su132011272

The Scope of Climate Assemblies: Lessons from the Climate Assembly UK

2021· article· en· W3206433115 sur OpenAlexaff
Stephen Elstub, Jayne Carrick, David M. Farrell, Patricia Mockler

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésParliamentScope (computer science)Climate governancePolitical scienceGovernment (linguistics)Climate changeDemocratizationCorporate governanceGeneral assemblyCivil societyPoliticsScale (ratio)Process (computing)Public administrationPublic relationsBusinessDemocracyComputer scienceGeographyLaw

Résumé

récupéré en direct d'OpenAlex

In recent times we have seen a spate of climate assemblies across Europe as the climate emergency gains increasing prominence in the political agenda and as the citizens’ assembly approach to public engagement gains popularity. However, there has been little empirical research on how the scope of citizens’ assemblies affects the internal logic of the assembly process and its impacts on external policy actors. This is a significant oversight given the power of agenda setting. It is also of particular importance for climate assemblies given the exceptional scale and complexity of climate change, as well as the need for co-ordination across all policy areas and types of governance to address it. In this paper, we start to address this gap through an in-depth case analysis of the Climate Assembly UK. We adopt a mixed methods approach, combining surveys of the assembly members and witnesses, interviews with the assembly members, organisers, MPs, parliamentary staff, and government civil servants, and non-participant observation of the process. We find that attempts to adapt the assembly’s scope to the scale of the climate change issue compromised assembly member learning, the co-ordination of the resulting recommendations, assembly member endorsement of the recommendations, and the extent of their impact on parliament and government. We argue that more democratization in setting the agenda could help combat these issues.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,067
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,286
Écart entre enseignants0,270 · 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'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

Citations67
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSustainability and Climate Change GovernanceTravaux en français237 207