Who decided the new energy vehicles policy in China? From the perspective of policy objects and policy makers
Notice bibliographique
Résumé
The new energy automobile industry is a comprehensive system that contains Exploration and Manufacture, Consumption and Promotion, Infrastructure Construction and Supporting Industries, which coordinate and supplement with each other. Accordingly, from the perspective of policy object, NEVs policies since 1991 to 2022 could be divided into four fields in China. With policy bibliometric analysis and social network analysis, in each field of policies, its policy networks can be drawn, with statistic of policies released separately, in order to comprehensively analyse the features of NEVs policy making. It is found that: (1) The structure of policy system is balanced among four fields of NEVs policies in China, though with a bias towards Consumption & Promotion, Exploration & Manufacture. (2) Policy makers in all four fields of NEVs policies preferred slightly to formulate policies jointly, rather than acting alone. While policies made by sole actors are part of policy system. (3) GOOSC, MIIT and MOT, as sole actor, played more significant roles in industry-wide, supply-side and demand-side of NEVs industry respectively. (4) Policy networks of all four fields started with the "iron four" (MIIT, NDRC, MOF, MOST), ultimately forming two different ways of development, specialization and sociability. (5) In addition to the government departments, social organizations and enterprises also influenced the policy network, at the edge of network. This paper is of positive significance for understanding the current status and characteristics of policy making in different fields of the NEV industry, beneficial to distinguish potential effective ways to impact on NEVs policy system in China.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».