MétaCan
Menu
Retour à la cohorte
Enregistrement W4410039586 · doi:10.1177/00420980251332512

Anticipatory climate governance: Limits to current practices in Montreal

2025· article· en· W4410039586 sur OpenAlexafffundabout
Hélène Madénian, Sophie L. Van Neste, Alexis Guillemard

Notice bibliographique

RevueUrban Studies · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaFonds de Recherche du Québec-Société et Culture
Mots-clésCurrent (fluid)Corporate governancePolitical scienceEnvironmental scienceEnvironmental resource managementGeographyBusinessOceanographyGeologyFinance

Résumé

récupéré en direct d'OpenAlex

City leadership appears key in driving the transition towards a liveable future. Trying to bring specific visions of the future into present decisions and actions is what anticipatory governance is about. However, the literature has highlighted a lack of discussion of the use of anticipatory practices in urban climate governance. What anticipatory practices do cities employ to tackle climate change and work towards a desirable future? What limitations does it involve? The City of Montreal provides an effective case study as, recently, it has been the locus of large projects representative of the three dominant approaches of climate action-climate planning, carbon control and reporting and experimentation. Our results indicate that traditional tools such as reporting, urban planning regulations and bylaws are the strategies urban actors rely on to advance towards desirable futures. And yet, they seem to be missing opportunities to act in the present for these desirable futures, especially to increase equity in urban climate action. This research offers a concrete and empirical exploration of cities' anticipatory practices regarding climate change, ultimately contributing to the literature on anticipatory urban climate governance.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,566

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,007
Communication savante0,0080,003
Science ouverte0,0030,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,360
Écart entre enseignants0,286 · 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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetClimate Change and GeoengineeringTravaux en français237 207