Structural characteristics and mechanism of collaborative environmental governance network of urban agglomerations: perspective of multilevel network
Notice bibliographique
Résumé
Collaborative environmental governance (CEG) is increasingly advocated to address the environmental risk issues in the integrated development of urban agglomerations. Constructing an effective CEG network from the perspective of interdependent multilevel network plays a vital role in promoting the environmental governance of urban agglomerations. To investigate the structure characteristics and formation mechanism of CEG network, this paper takes the Yangtze River Delta urban agglomeration as the research area, and employes the social network analysis and Exponential Random Graph Model (ERGM) methods to analyze the CEG network, which consists of the collaborative network of cities, relationship network of topics, and affiliation network connecting cities to topics. Research results show that the CEG level in the Yangtze River Delta urban agglomeration continues to improve, while the CEG network is still not in a tightly connected state. For the collaborative network of cities, it presents the small world characteristics and forms a cooperative trend of “central-subcentral-peripheral city.“For the relationship network of topics, the evolution of environmental governance topics is characterized by “from aspect to point.” For the affiliation network connecting cities to topics, as the diversity of environmental governance topics increases among cities, cities within the Yangtze River Delta urban agglomeration tend to share the similar topics. In addition, the interactive triangular structures, star structures, open triangular structures and closed triangular structures in the network can promote the formation of new cooperative relationships in CEG network.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».