MétaCan
Menu
Retour à la cohorte
Enregistrement W4324087288 · doi:10.1111/cag.12834

Canada's Ocean Supercluster initiative: A national policy in regional clothing?

2023· article· en· W4324087288 sur OpenAlexafffundvenueabout
Richard Shearmur, David Doloreux, Iryna Fil‐Kristensen

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Policy
Établissements canadiensHEC MontréalMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSupercluster (genetic)Regional policyGovernment (linguistics)Regional developmentIntervention (counseling)BusinessRegional sciencePolitical scienceEconomic geographyEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Since the late 1980s, there has been no explicit regional policy in Canada. Indirectly, though, equalization payments, industrial policies, as well as regional agencies encouraging the adoption of federal industrial and innovation policies, impact regional economies. In 2017, the federal government appeared to alter its approach: the Supercluster initiative was announced, drawing upon the idea that localized networks of interrelated firms can generate innovation and local development. In this paper, we discuss the mechanisms through which spatially focused industrial innovation policy can lead to regional development. We then focus on Canada's Ocean Supercluster initiative. The question we address is as follows: to what extent can this initiative (and, more widely, Canada's Supercluster policy) be understood as a regional development strategy driven by a coherent rationale for regional intervention? Apart from the fact that each Supercluster focuses on a pre‐existing core of firms located within a region, there is little evidence that the Supercluster initiative has regional development objectives or impacts.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,579

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0060,002
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,025
Tête enseignante GPT0,263
Écart entre enseignants0,238 · 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'étudeQualitatif
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

Citations6
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetRegional Development and PolicyTravaux en français237 207