MétaCan
Menu
Retour à la cohorte
Enregistrement W4398142197 · doi:10.1080/25741292.2024.2353929

Calibration and specification in policy practice: Micro-dimensions of policy design

2024· article· en· W4398142197 sur OpenAlexaff
Giliberto Capano, Michael Howlett

Notice bibliographique

RevuePolicy Design and Practice · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCalibrationComputer scienceManagement scienceEconometricsEconomicsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Three aspects of policy success -programme implementation, policy solution feasibility and political legitimacy and support -need to be at the front of mind when policies are formulated.Many uncertainties endemic to policy-making surround these issues and present considerable public management challenges.Many of these problems, however, are linked to the poor conceptualization and understanding of policy content on the part of policy-makers, something for which policy scholars must share some blame.This is especially true with respect to the existing literature on the micro-level aspects of policies; the level at which goals and policy instruments are concretely implemented in the form of specific policy targets and tool calibrations.While these latter subjects have been examined in the past by luminaries such as Eleanor Ostrom, Guy Peters, Peter Hall and Lester Salamon, their insights into this level of policy-making have been glossed over in the mainstream policy sciences and the significance of their work for real-world policy analysis insufficiently appreciated.This article sets out a framework of policy calibrations and specifications that reconciles and incorporates these insights in order to enhance the chances of policy success through improved policy design.

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)0,213
score de la tête « metaresearch » (Gemma)0,285
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,213
Score d'incertitude au seuil0,971

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2130,285
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,010
Études des sciences et des technologies0,0060,060
Communication savante0,0310,027
Science ouverte0,0060,012
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,100
Tête enseignante GPT0,434
Écart entre enseignants0,334 · 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.

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

Citations32
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Design and PracticeMême sujetSocial Policy and Reform StudiesTravaux en français237 207