MétaCan
Menu
Retour à la cohorte
Enregistrement W4386549104 · doi:10.31389/lseppr.87

Ukraine’s Decentralisation Reforms and the Path to Reconstruction, Recovery and European Integration

2023· article· en· W4386549104 sur OpenAlexaff
Tamara Krawchenko

Notice bibliographique

RevueLSE Public Policy Review · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésDecentralizationPolitical sciencePath (computing)Economic systemDevelopment economicsEconomicsComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

The twin concepts of territorial cohesion and competitiveness have underpinned European integration and are fundamental to the development of robust democracies. They speak to the importance of reducing territorial inequalities and ensuring that all places deliver good livelihoods and well-being. Governments can strengthen subnational capacities to help deliver on these objectives through administrative, fiscal and political decentralisation and regional development. Driven by a strong, community-oriented social foundation, Ukraine has pursued this path. Since 2014, it has embarked on ambitious decentralisation, anti-corruption and regional development reforms, and progress has been made in a number of areas, such as service delivery, municipal finance and decision-making. Russia’s full-scale invasion that began in February 2022 has disrupted the reforms and led to massive destruction, especially in Ukraine’s eastern regions. Here I argue that the continuation of these reforms is critical for democracy, reconstruction, recovery and eventual European integration and that the future of the global order rests not just upon the success of countries but also on their constituent regions and communities. The international community has a central role to play in supporting such a place-based approach to territorial development.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,046
Tête enseignante GPT0,261
Écart entre enseignants0,215 · 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
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLSE Public Policy ReviewMême sujetEconomic Issues in UkraineTravaux en français237 207