How Municipal Actors Leverage Evidence to Support Urban Planning: Perspectives from the City of Regina
Notice bibliographique
Résumé
Malgré les demandes croissantes pour l’élaboration de politiques respectueuses des données probantes, les stratèges et décideurs des gouvernements municipaux se heurtent souvent à des obstacles pour les intégrer à leurs travaux. Ces obstacles peuvent être particulièrement marqués dans les villes de taille petite à moyenne, dont les ressources sont souvent comparativement limitées par rapport à celles des plus grandes villes qui sont au cœur d'une grande partie des publications existantes. Les auteurs ont interviewé 30 acteurs municipaux qui participent à la planification urbaine de la Ville de Regina — le gouvernement municipal représentant la ville moyenne de Regina située dans l'Ouest canadien. L’étude a révélé que les données probantes ont une importance différente en fonction des stratèges et des décideurs. Les interviewés avaient diverses définitions des données probantes, avaient accédé à des sources de données probantes différentes, accordaient une confiance variable à certaines formes de données probantes et affrontaient divers obstacles à l'intégration des données probantes à leur travail quotidien. Le présent article contribue à mieux comprendre le rôle des données probantes chez les planificateurs urbains et contient des leçons importantes pour corriger l’écart entre les stratèges et décideurs en planification urbaine et les producteurs de données probantes.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».