Notice bibliographique
Résumé
With the demise of the Old Regionalist project of achieving good regional governance through amalgamation, voluntary collaboration has become the modus operandi of a large number of North American metropolitan regions. Although many researchers have become interested in regional collaboration and its determinants, few have specifically studied its outcomes. This book contributes to filling this gap by critically re-evaluating the fundamental premise of the New Regionalism, which is that regional problems can be solved without regional/higher government. In particular, this research asks: to what extent does regional collaboration have a significant independent influence on the determinants of regional resilience? Using a comparative (Canada-U.S.) mixed-method approach, with detailed case studies of the San Francisco Bay Area, the Greater Montreal and trans-national Niagara-Buffalo regions, the book examines the direct and indirect impacts of inter-local collaboration on policy and policy outcomes at the regional and State/Provincial levels. The book research concentrates on the effects of bottom-up, state-mandated and functional collaboration and the moderating role of regional awareness, higher governmental initiative and civic capital on three outcomes: environmental preservation, socio-economic integration and economic competitiveness. In short, the book seeks to highlight those conditions that favor collaboration and might help avoid the collaborative trap of collaboration for its own sake. More specifically, this research concentrates on the effect of bottom-up, state-mandated and functional collaboration, the moderating role of regional awareness, governmental initiative and civic capital on environmental preservation, socio-economic integration and economic competitiveness. In short, the book seeks to understand whether and how urban regional collaboration contributes to regional resilience.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».