MétaCan
Menu
Retour à la cohorte
Enregistrement W4396572280 · doi:10.1007/978-3-031-55680-7_3

Urban Policy Modelling and Diversity Governance in Doha and Singapore

2024· book-chapter· en· W4396572280 sur OpenAlexaff
Jérémie Molho

Notice bibliographique

RevueIMISCOE research series · 2024
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in Asia
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Corporate governanceGeographyEconomic geographyEnvironmental planningPolitical scienceBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Abstract The transnational circulation of policy ideas has been increasingly advanced as a significant factor in the fabric of local diversity policies. On the one hand, the circulation of managerial concepts such as diversity management has contributed to the rise of neoliberal urban diversity models; on the other, city networks, international organisations, and transnational civic movements are pushing forward progressive urban diversity agendas. This chapter aims to analyse the role of such processes of policy modelling in shaping urban diversity governance. It is based on fieldwork conducted in Doha and Singapore since 2018 and on the analysis of these cities’ policy documents. The chapter shows how transnationally circulating references and norms contribute to shaping local diversity governance frameworks and how both cities strive to position themselves as diversity governance models. I argue that their modelling strategies rely on the spatial and organisational compartmentalisation of distinct diversity frames. The chapter identifies four compartments in Doha and Singapore that correspond to distinct understandings of diversity and differentiated modelling strategies. This allows to minimise policy tensions, alleviate external critiques, and craft local experiments that can be projected as models on the world stage.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,376
Écart entre enseignants0,261 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIMISCOE research seriesMême sujetSocioeconomic Development in AsiaTravaux en français237 207