MétaCan
Menu
Retour à la cohorte
Enregistrement W4298728956 · doi:10.46692/9781447315599.008

Social Impact Bonds: shifting the boundaries of citizenship

2014· other· en· W4298728956 sur OpenAlexaboutno aff
Stephen Sinclair, Neil McHugh, Leslie Huckfield, Michael J. Roy, Cam Donaldson

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitizenshipBondPolitical scienceSociologyGender studiesBusinessLawPolitics

Résumé

récupéré en direct d'OpenAlex

Introduction One result of the reforms pursued by governments across the world to reduce public expenditure deficits since the 2008 financial crisis has been a growing interest in outsourcing the funding and delivery of welfare services. In the UK context, austerity measures and the demand for greater policy innovation have been strongly associated with the application of market incentives and business principles to social welfare provision. For example, the UK Cabinet Office's Green Paper Modernising Commissioning (Cabinet Office, 2010) reaffirmed the government’s commitment to extending payment by results (PbR) mechanisms across public services. The UK government has declared that ‘new forms of commissioning and contracting … improve both the outcomes derived from delivery of public services and the value for money achieved by public expenditure’ (Cabinet Office, 2013a). Social Impact Bonds (SIBs) are the most recent example of this policy trend. According to their supporters, ‘SIBs offer an answer to a question all policy makers are facing in these difficult fiscal times: How do we keep innovating and investing in promising new solutions when we can’t even afford to pay for everything we are currently doing?’ (Azemati, et al 2013, p 24). SIBs harness private investment to finance innovative welfare services, and the strength of the UK government's interest in them is testified to in its creation of a Centre for Social Impact Bonds within the Cabinet Office and the establishment of a £20 million Social Outcomes Fund designed to support the development of PbR methods and SIBs (Cabinet Office, 2013b). However, interest in SIBs is international – they are currently being considered or developed in the US, Canada, New Zealand, Australia, Columbia, India, Ireland and Israel in relation to a wide range of policy areas, including reducing offending and recidivism, tackling homelessness, employability and active labour market measures and provision of early years education (Robinson, 2012). The possibility of extending the SIBs model to create Development Impact Bonds to fund social and medical programmes in the developing world has also been proposed (Rosenberg, 2013). SIBs are certainly an interesting idea, but they are also a significant innovation in how social welfare services are funded and provided.

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)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,028
Communication savante0,0150,012
Science ouverte0,0020,024
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0340,003

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 Opus0,057
Tête enseignante GPT0,292
Écart entre enseignants0,235 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCommunity Development and Social ImpactTravaux en français237 207