Notice bibliographique
Résumé
Problem, research strategy, and findings Public–private partnership models designed to facilitate greater collaboration have become increasingly popular. Scholarship on these partnerships has shown that they rely less on contracts and more on trust between partners, engage private partners early to allow for participation in project visioning, and prioritize shared decision making. However, there is a need to further define collaborative partnerships and distinguish them from more conventional models. In addition, research into the impacts of collaborative partnerships within planning processes is limited, and additional insights into their administrative structures, management, and internal dynamics is needed. I respond to these gaps by analyzing the collaborative co-creation public–private partnership formed to plan a smart city in the Quayside district of Toronto (Canada). Drawing on interviews (N = 35), participant observation, and document analysis, I found that those qualities of the Quayside partnership typical of collaborative partnership models reduced governmental oversight, facilitated conflicts of interest, and afforded the private partner substantial power. The challenges precipitated by the partnership structure were amplified through its application in a smart city context, where the private partner was a technology corporation with expansive resources and ambitions. Based on these findings, I argue that collaborative partnerships pose significant risks of privatizing planning processes and that these risks are heightened when asymmetries between partners are particularly stark.Takeaway for practice Planners should not allow a desire for greater collaboration to overshadow the necessity of divisions between public and private roles, because tension between the two is vital to partnership success. If seeking deeper collaboration, planners should ensure that responsibilities are clearly detailed in contracts to avoid ambiguities or conflicts of interest. This is especially important in projects where power differentials between partners are too significant to rely solely on trust instead of contracts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,134 | 0,308 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,019 | 0,019 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».