MétaCan
Menu
Retour à la cohorte
Enregistrement W4319262789 · doi:10.1111/rsp3.12649

Municipal entrepreneurialism: Can it help to mobilize resource‐dependent small communities away from path dependency?

2023· article· en· W4319262789 sur OpenAlexafffundabout
Laura Ryser, Joshua Barrett, Sean Markey, Greg Halseth, Kelly Vodden

Notice bibliographique

RevueRegional Science Policy & Practice · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Policy
Établissements canadiensMemorial University of NewfoundlandSimon Fraser UniversityUniversity of GuelphUniversity of Northern British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDependency (UML)Path dependencyResource (disambiguation)Path (computing)Economic geographyGeographyPolitical scienceEconomic growthComputer scienceEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Small resource-based communities across Canada are experiencing rapid change within a volatile, fluctuating global economy. As communities seek to diversify their economies, they are enduring complex provincial and federal neoliberal policy environments that offer fewer funding resources while offloading more responsibilities onto local governments. Drawing upon the case studies of Burns Lake, British Columbia and Grand Falls-Windsor, Newfoundland and Labrador in Canada, we explore how small municipalities are using municipal enterprises to generate revenue and assets that may lead to new economic pathways. Our findings suggest that municipal entrepreneurial strategies are producing mixed success to break from past forest-sector dependencies. These small municipalities still struggle with developmental and operational risks, as well as debates about whether to use revenues to meet new municipal responsibilities and increased demands on aging infrastructure and services versus transformative change.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,005
Communication savante0,0060,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,104
Tête enseignante GPT0,391
Écart entre enseignants0,287 · 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'étudeObservationnel
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

Citations10
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRegional Science Policy & PracticeMême sujetRegional Development and PolicyTravaux en français237 207