MétaCan
Menu
Retour à la cohorte
Enregistrement W4392001798 · doi:10.1177/09749306231219734

Multijurisdictional and Multimodal Infrastructure Corridors: Supranational Social Value, Assembly and Implementation Barriers

2023· article· en· W4392001798 sur OpenAlexaff
Aidan R. Vining, Mark A. Moore

Notice bibliographique

RevueJournal of Infrastructure Development · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCross-Border Cooperation and Integration
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésTraverseBusinessMultimodalityIntellectual propertyValue (mathematics)PoliticsComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

There is very limited theory and policy guidance that specifically relates to multijurisdictional and multimodal (M&;M) infrastructure corridors: those that traverse national boundaries and encompass multiple modes of co-located infrastructure modes. This paper develops a framework for understanding the social welfare costs and benefits—and the barriers to implementing—these corridors. The framework posits the need for both a dedicated assembler and a national (or supranational) sponsor. An assembler provides the platform to match up initial property rights holders, infrastructure mode providers and end users. The sponsor financially and politically backstops an assembler. We decompose the economic necessity for, and advantages of, an assembler and also those that result from some degree of multimodality. We also consider the economic and political barriers to M&;M corridor implementation. To illustrate these, we review the evidence from the very small number of proposed or realised M&;M corridors and closely related projects. Although reliable evidence is scarce, it is consistent with the framework’s implications regarding the need for both an assembler and a sponsor.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,008
Communication savante0,0070,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 Opus0,008
Tête enseignante GPT0,335
Écart entre enseignants0,327 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Infrastructure DevelopmentMême sujetCross-Border Cooperation and IntegrationTravaux en français237 207