MétaCan
Menu
Retour à la cohorte
Enregistrement W4200176161 · doi:10.21203/rs.3.rs-770314/v1

Examining Diffusion and Convergence Processes of Three Road Safety Policies, 1964-2015

2021· preprint· en· W4200176161 sur OpenAlexaff
José Ignacio Nazif‐Muñoz, Axel van den Berg, Amélie Quesnel‐Vallée

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensMcGill UniversityUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)DiffusionBusinessEconomicsPhysicsThermodynamicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Global convergence of public policies has been regarded as a defining feature of the late twentieth century. This study explores the generalizability of this thesis for three road safety measures: i) road safety agencies; ii) child restraint laws; and iii) mandatory use of daytime running lights. We analyze cross-national longitudinal data using survival analysis for the years 1964-2015 in 181 countries. Our first main finding is that only child restraint laws have globally converged; in contrast, the other two policies exhibit a fractured global convergence process, likely as the result of competing international and national forces. This finding may reflect the lack of necessary conditions, at the regional and national levels, required to accelerate the spread of policies globally, adding further nuance to the global convergence thesis. A second finding is that mechanisms of policy adoption, such as imitation/learning and competition, rather than coercion, explain more consistently global and regional convergence outcomes in the road safety realm. This finding reinforces the idea of specific elective affinities, when explaining why the diffusion of policies may or not result in convergence. Lastly, by recognizing fractured convergence processes, our results call for revisiting the global convergence thesis and reintegrating more consistently regional analyses into policy diffusion and convergence studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,317
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
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 ouverte0,0010,001
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 Opus0,161
Tête enseignante GPT0,449
Écart entre enseignants0,287 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetPolicy Transfer and LearningTravaux en français237 207