MétaCan
Menu
Retour à la cohorte
Enregistrement W4405309620 · doi:10.5509/2025981-art2

Education, Control, and the Knowledge Economy in Southeast Asia’s Hybrid Regimes

2024· article· en· W4405309620 sur OpenAlexvenueno aff
Hui-Yuan Neo

Notice bibliographique

RevuePacific Affairs · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in Asia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoutheast asiaControl (management)Knowledge economyEconomyPolitical scienceEconomic systemEconomicsAncient historyHistoryManagement

Résumé

récupéré en direct d'OpenAlex

Many hybrid regimes are embracing economic upgrading as an engine of sustainable growth. Several of them have also successfully implemented economic liberalization while maintaining political stability. How do hybrid regimes achieve the goals of economic transformation and political stability simultaneously? I argue that one way they achieve this feat is by embedding institutional arrangements within partnership agreements between knowledge-based economic organizations and the state. Hybrid regimes grant these organizations broad autonomy to develop according to economic demands. However, when necessary, they can also draw upon these institutional arrangements to dexterously respond to shifting national interests. I apply this theoretical framework to international branch campuses (IBCs) in the hybrid regimes of Singapore and Malaysia. Leveraging archival materials, I examine the cases of Yale-NUS College in Singapore and the University of Nottingham Malaysia. I show that these IBCs have generally enjoyed wide-ranging autonomy in terms of course design and student activities. However, hybrid regimes can still activate institutional arrangements, such as state funding and mandatory course offerings, to (re)align IBC activities with dynamic regime needs. This research speaks to the political economy and political control literature to examine how hybrid regimes achieve economic liberalization without also allowing political liberalization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,262
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific AffairsMême sujetSocioeconomic Development in AsiaTravaux en français237 207