MétaCan
Menu
Retour à la cohorte
Enregistrement W4387530072 · doi:10.3390/su152014734

Partnership Structure and Partner Outcomes: A Comparative Study of Large Community Sustainability Cross-Sector Partnerships in Montreal, Barcelona and Gwangju

2023· article· en· W4387530072 sur OpenAlexafffundabout
Amelia Clarke, Valentina Castillo Cifuentes, Eduardo Ordonez‐Ponce

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensAthabasca UniversityUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Waterloo
Mots-clésGeneral partnershipSustainabilityCivil societyPrivate sectorPolitical scienceEconomic growthBusinessRegional scienceGeographyEconomicsPoliticsFinance

Résumé

récupéré en direct d'OpenAlex

The aim of this research was to understand the structural features of large cross-sector social partnerships (CSSPs) and their resulting partner outcomes. This study analyzed and compared the partnership structures of three large CSSPs, each from a different continent: Barcelona + Sustainable in Barcelona, Spain; Gwangju Council for Sustainable Development in Gwangju, South Korea; and Sustainable Montreal in Montreal, Canada. Based on a survey of the partners in each of the three partnerships, the partner outcomes were also determined and compared. Building on these findings and using abductive analysis, the relationships between the partnerships’ structural features and partner outcomes are considered. An updated set of seven structural features for studying large cross-sector partnerships is offered. The empirical findings show some differences between the partnership designs and between the partner outcomes of the three partnerships. The experiences of the civil society, private sector and public sector partners in each of the cases were relatively similar, showing that in large partnerships, the sector was less relevant than in small partnerships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,119
Tête enseignante GPT0,367
Écart entre enseignants0,248 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCommunity Development and Social ImpactTravaux en français237 207