MétaCan
Menu
Retour à la cohorte
Enregistrement W4401809587 · doi:10.55016/ojs/sppp.v16i1.77585

The Canadian Northern Corridor Community Engagement Program: Results and Lessons Learned

2023· article· en· W4401809587 sur OpenAlexfundaboutno aff
Emily Galley, Katharina Koch, G. Kent Fellows, Robert L. Mansell, Nicole Pinto, Jennifer Winter

Notice bibliographique

RevueThe School of Public Policy Publications · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCanadian Identity and History
Établissements canadiensnon disponible
Organismes subventionnairesWestern Economic Diversification CanadaGovernment of Alberta
Mots-clésCommunity engagementPolitical scienceGeographyRegional sciencePublic relations

Résumé

récupéré en direct d'OpenAlex

The Canadian Northern Corridor (CNC) Research Program is an investigation of the feasibility, desirability, and acceptability of infrastructure corridors in advancing integrated, long-term infrastructure planning and development in Canada. The Corridor Concept involves a series of multi-modal rights-of-way across mid- and northern Canada — connecting all three coasts and linked to existing corridors in southern Canada — for the efficient, timely and integrated development of trade, transportation, and communications infrastructure. Corridors are expected to make public and private infrastructure investments more attractive by reducing the uncertainty associated with project approval processes; sharing the costs associated with establishing and administering rights-of-way; decreasing negative environmental impacts; and moving to a more strategic, integrated and long-term approach to national infrastructure planning and development. A key outcome of corridor development is decreasing the existing infrastructure gap that persists between northern and southern Canadian regions and communities. The causes of this gap are complex and will require a diverse set of tools and solutions to resolve; the CNC is a useful conceptual tool to initiate discussions on northern infrastructure and to identify feasible and lasting solutions to address Canada’s infrastructure gap.

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)0,015
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,050
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0070,002
Communication savante0,0050,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,193
Tête enseignante GPT0,382
Écart entre enseignants0,189 · 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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe School of Public Policy PublicationsMême sujetCanadian Identity and HistoryTravaux en français237 207