Notice bibliographique
Résumé
<JATS1:p>This book offers scholars and industry practitioners in the arenas of policy analysis, politics and media communications a method for astutely guiding large-scale policy and projects through the complex and changing landscape of a 24/7 news media. It is underpinned by empirical research that identifies and endeavors to close a considerable gap in current understanding and practice. This gap represents a failure to recognise and respect many powerful influences and associations that surround a policy arena that has drawn the ire of the news media. The result of this failure is ineffective communication that does little to advance the policy piece and, in the worst instances, leads to policy immobilization or poor policy decision-making.</JATS1:p> <JATS1:p>The author’s research spans a decade and two cities - Sydney, Australia and Montreal, Canada. The focus is on three metro-style rail infrastructure case study projects. One project is ongoing; one failed; and one is being upgraded, having recently reached fifty years of age. Through media, expert and public research this book builds an irrefutable case that the news media is highly influential to policy – and that these influences are complex, messy and changing. Drawing significantly on Actor-Network Theory, Richardson identifies the influential actors and alliances at play when policy is subjected to media discourse, and he proposes a framework for tracing and managing them. In doing so, he demonstrates that such a framework is not only vital for the successful negotiation of policy and projects in the media but also to an (r)evolutionary recasting of public, expert and media actors in the development and decision-making process.</JATS1:p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».