MétaCan
Menu
Retour à la cohorte
Enregistrement W4224066054 · doi:10.30636/jbpa.51.292

What is Behavioral in Policy Studies?

2022· article· en· W4224066054 sur OpenAlexaff
Michael Howlett, Ching Leong

Notice bibliographique

RevueJournal of Behavioral Public Administration · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésIncentiveUtilitarianismPositive economicsEconomicsRationalityAction (physics)CurrencyBehavioral economicsSubsidyPublic economicsPolitical scienceMicroeconomicsMacroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The recent behavioral turn among economic, administrative and other scholars has resulted in a new way of thinking about policy sciences which emphasizes behavioural insights and the need for greater research into this facet of policy-making. While most early researchers had aspired to the hallmarks of social science, with theoretical modelling on the assumption of microeconomic utility, many now have come to accept that this kind of rationality may be in short supply in practice and that more study of norms, irrationalities and collective action is required. This new focus has led to a behavioural turn in policy theory and practice. Policy design, in particular, now addresses a much wider range of policy tools and is no longer as circumscribed by a priori adherence to utilitarian assumptions about policy behavior as it was in the past. At the same time however, this turn presents new challenges including the irreducibility of incentives for behavior to a single utilitarian currency. We argue that the policy sciences still need a more serious consideration of non-economic incentives, if they are to move away from the traditional utilitarianism which has coloured findings in the discipline for decades.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,120
score de la tête « metaresearch » (Gemma)0,190
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,637

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1200,190
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0090,014
Études des sciences et des technologies0,0070,067
Communication savante0,0210,032
Science ouverte0,0040,007
Intégrité de la recherche0,0120,013
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,139
Tête enseignante GPT0,464
Écart entre enseignants0,324 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral Public AdministrationMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207