Advocacy coalitions and political control
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Advocacy Coalition Framework (ACF) posits that policy actors, including elected officials and bureaucrats, aggregate into coalitions based on shared beliefs and coordinate to achieve policy objectives. Yet, bureaucrats are often subject to political control mechanisms understood within a principal‐agent framework. Combining insights from principal‐agent theory and the ACF, we explore the nature of principal‐agent relationships within and across advocacy coalitions in the United States using case studies of nuclear waste management and fair housing policy. Specifically, we develop three propositions regarding principals and agents as members of advocacy coalitions and examine those propositions by comparing the two case studies. We find that powerful elected officials and expert bureaucrats are important resources for coalitions; bureaucrats are in coalitions but face cross‐pressure from principals in opposing coalitions; and control mechanisms embedded in policy designs by principals can limit bureaucratic discretion in a way that aligns with coalition goals. Related Articles Neill, Katharine A., and John C. Morris. 2012. “A Tangled Web of Principals and Agents: Examining the Deepwater Horizon Oil Spill through a Principal–Agent Lens.” Politics & Policy 40(4): 629–56. https://doi.org/10.1111/j.1747‐1346.2012.00371.x Peterson, Holly L., Mark K. McBeth, and Michael D. Jones. 2020. “Policy Process Theory for Rural Studies: Navigating Context and Generalization in Rural Policy.” Politics & Policy 48(4): 576–617. https://doi.org/10.1111/polp.12366 Swigger, Alexandra, and Bruce Timothy Heinmiller. 2014. “Advocacy Coalitions and Mental Health Policy: The Adoption of Community Treatment Orders in Ontario.” Politics & Policy 42(2): 246–70. https://doi.org/10.1111/polp.12066
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle