MétaCan
Menu
Retour à la cohorte
Enregistrement W4225968216 · doi:10.1080/15575330.2022.2059689

Embedding rural capital? Community investment funds in Canada and their implications for rural communities

2022· article· en· W4225968216 sur OpenAlexafffundabout
Alex Petric, Ryan Gibson

Notice bibliographique

RevueCommunity Development · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Agri-Food Innovation Alliance
Mots-clésInvestment (military)BusinessRural economicsRural communitySocial capitalCapital (architecture)FinanceEconomic growthRural areaRural developmentEconomicsGeographyPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Canada’s rural areas face economic challenges due to globalization and urbanization. These trends lead to wealth being less “embedded” in place as citizens have fewer geographic constraints and rely more on intangible resources for livelihood. To counter these effects, some Canadian provinces allow the creation of Community Investment Funds, which sell business equity shares to residents. Many such provinces also offer tax incentives to spur investments, and some incentive programs have generated attention, but the potential and impact of these programs is difficult to determine. We presents results from a study of Community Investment Fund programs, including a document review and interviews with key informants from across Canada. By assessing program impacts and qualities, we find that these programs positively impact rural economic and community development but require provincial resources to encourage participation and understanding. Further expansion and resourcing of these program could create positive impacts for embedding capital in rural places, facilitating rural prosperity.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,768

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0110,004
Communication savante0,0070,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,081
Tête enseignante GPT0,256
Écart entre enseignants0,174 · 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'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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCommunity DevelopmentMême sujetCommunity Development and Social ImpactTravaux en français237 207