Introduction
Notice bibliographique
Résumé
The 2008–2009 Global Economic Crisis (GEC) created an opportunity, eagerly seized by many national governments and international organizations, to impose a prolonged, and widespread period of austerity. Austerity is widely recognized to have done enormous damage to social, cultural, political and economic infrastructures in cities and larger urban areas across the globe (Davies, 2021). As the GEC was also the first such crisis in what is widely considered ‘the urban age’ (Brenner and Schmid, 2015), (COVID-19 merely the latest and most intense), austerity measures were chiefly administered through municipal and regional mechanisms. A great deal has been written since the crisis, about the way austerity was experienced, governed, resisted and urbanized. This volume considers these issues anew, by reflecting on the multi-faceted and shape-shifting concept of ‘collaboration’. It draws from research funded by the UK Economic and Social Research Council titled Collaborative Governance Under Austerity: An Eight Case Comparative Study, led by the Centre for Urban Research on Austerity at De Montfort University in the UK City of Leicester.1 Research was conducted over three years (2015–2018) in the European cities of Athens, Barcelona, Dublin, Leicester and Nantes, North American cities of Baltimore and Montréal, and the Australian City of Greater Dandenong, part of the Greater Melbourne metropolis. Our objective in this volume is to reflect on the theme of collaborative governance, considering this from the perspective of resisting austerity, or otherwise finding ways to circumvent or move beyond it. As a research team, we have a range of political views, but all share egalitarian sympathies articulated in the following chapters.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,498 | 0,327 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».