Closer than they look at first glance: A systematic review and a research agenda regarding measurement practices for policy learning
Notice bibliographique
Résumé
Learning is a cognitive and social dynamic through which diverse types of actors involved in policy processes acquire, translate and disseminate new information and knowledge about public problems and solutions. In turn, they maintain, strengthen or revise their policy beliefs and preferences. Despite the conceptual and theoretical developments over the last years, concerns about the measurement of policy learning remain persistent. Based on the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) approach, this article reports the results of a systematic review of the existing practices for measuring policy learning in the public administration and policy research. In addition to operationalizations, data sources, methods of analysis and levels of analysis, we examine how the reviewed articles deal with the processual nature of policy learning. We show that the existing measurement practices transcend the research streams on policy learning for the most part, which extends the argument developed by Dunlop and Radaelli (2018) that policy learning is an analytical framework of the policy process. Based on these results, we argue for more transparent operationalizations, discuss the strengths and weaknesses of direct and indirect measurement approaches, and call for more creativity in designing measurement methods that recognize the multilevel nature of policy learning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,149 | 0,384 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,017 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,019 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».