MétaCan
Menu
Retour à la cohorte
Enregistrement W4391785916 · doi:10.1080/25741292.2024.2316409

How useful is the concept of polycrisis? Lessons from the Development of the Canada Emergency Response Benefit during the COVID-19 pandemic

2024· article· en· W4391785916 sur OpenAlexaffabout
Shannon Dinan, Daniel Béland, Michael Howlett

Notice bibliographique

RevuePolicy Design and Practice · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensSimon Fraser UniversityMcGill UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Emergency responseMedical emergencyVirologyMedicineOutbreakPathology

Résumé

récupéré en direct d'OpenAlex

the empirical basis for the concept of polycrisis has only been articulated at a high level of abstraction, typically dealing with global issues like climate change or migration.Because of that, its relevance and utility at the domestic level vis-à-vis adding value to existing studies of crisis management are unclear.as a set of events lasting over two years involving a pandemic with multiple simultaneous and interconnected economic and public health implications, the cOViD-19 pandemic provides both scholars and practitioners with a rare opportunity to look in more detail into how domestic policy design actually occurred during this global event.in this article, we investigate the creation of the canada emergency Response Benefit (ceRB) program during the cOViD-19 crisis.the ceRB case illustrates the importance of three factors that together form a trifecta of best practices for national-level policy design in a crisis-policy integration, learning, and agility-and shows how these elements evade capture by the polycrisis concept, thereby limiting its usefulness.

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)0,023
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,885

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,063
Communication savante0,0140,009
Science ouverte0,0020,011
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,100
Tête enseignante GPT0,380
Écart entre enseignants0,280 · 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'étudeQualitatif
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

Citations31
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolicy Design and PracticeMême sujetDisaster Management and ResilienceTravaux en français237 207