MétaCan
Menu
Retour à la cohorte
Enregistrement W4281556850 · doi:10.32920/19773031.v1

A new funding frontier evaluating the new community benefits charge legislation in Ontario

2022· preprint· en· W4281556850 sur OpenAlexaboutno aff
Vanessa Opassinis

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationStakeholderTransparency (behavior)FrontierBusinessConfusionPublic administrationFinanceAccountingPublic economicsPolitical scienceEconomicsPublic relations

Résumé

récupéré en direct d'OpenAlex

Community Benefits Charges represent a new era of municipal finance and community benefit funding in Ontario, replacing a fraught and controversial use of Section 37 (density bonusing) and Section 42 (parkland dedication) of the Planning Act. This report undertook a critical policy analysis to identify early issues and how the legislation and regulations may be reformed to ensure it’s implementation is equitable, efficient and effective, and meets objectives of the province, municipalities and development community. Through an extensive literature review, stakeholder and policy analysis this report identified three key issues, including, stakeholder confusion due to a lack of transparency on the process to develop the charge, financial uncertainty for municipal and private sector projects due to projecting land values in the calculation of the charge and uneven impact on different municipalities and development types. This report recommends the removal of the land value basis, allowing greater variations in implementation and rigid strategy analysis to allow the CBC to better meet the intent of the Province and satisfy identified concerns of all stakeholders. Key Words: community benefits, density bonusing, development charges, land value capture, parkland dedication, municipal finance, affordability

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,996

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,003
Communication savante0,0060,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,274
Tête enseignante GPT0,326
Écart entre enseignants0,052 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCommunity Development and Social ImpactTravaux en français237 207