MétaCan
Menu
Retour à la cohorte
Enregistrement W4302606046 · doi:10.51952/9781447334927.ch003

The “lumpiness” thesis revisited: the venues of policy work and the distribution of analytical techniques in Canada

2018· book-chapter· en· W4302606046 sur OpenAlexaboutno aff
Michael Howlett, Seck Tan, Adam Wellstead, Andrea Migone, Bryan Evans

Notice bibliographique

RevuePolicy Press eBooks · 2018
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueData Analysis and Archiving
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Distribution (mathematics)BusinessEconomic geographyIndustrial organizationEconomicsEngineeringMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This chapter contributes to the understanding of analytical practices and tools employed by policy analysts involved in policy formulation and appraisal by examining data drawn from 15 surveys of federal, provincial and territorial government policy analysts in Canada conducted in 2009-2010, two surveys of NGO analysts conducted in 2010-2011 and two surveys of external policy consultants conducted in 2012-2013. Data from these surveys allows the exploration of several facets of the use of analytical tools, ranging from more precise description of the frequency of use of specific kinds of tools and techniques in government to their distribution between permanent government officials and external policy analysts. As the chapter shows, the frequency of use of major types of analytical techniques used in policy formulation is not the same between the three types of actors and also varies within government by Department and issue type. Nevertheless some general patterns in the use of policy appraisal tools in government can be discerned, with all groups employing process- related tools more frequently than ‘substantive’ tools related to the technical analysis of policy proposals.

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)0,027
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,931

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0120,043
Études des sciences et des technologies0,0280,036
Communication savante0,0320,011
Science ouverte0,0050,009
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,027
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetData Analysis and ArchivingTravaux en français237 207