MétaCan
Menu
Retour à la cohorte
Enregistrement W4413187340 · doi:10.3138/cjpe-2024-0033

How Do Municipal Policy- and Decision-Makers Evaluate the Impact of Their Policies? Insights from the City of Regina in Saskatchewan, Canada

2025· article· en· W4413187340 sur OpenAlexaffvenueabout
Akram Khayatzadeh‐Mahani, Joonsoo Sean Lyeo, Agnes Fung, Kelly Husack, Nazeem Muhajarine, Tania Diener, Chelsea Brown

Notice bibliographique

RevueCanadian Journal of Program Evaluation · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversity of SaskatchewanPublic Health OntarioSaskatchewan HealthUniversity of TorontoSaskatchewan Science CentreSaskatchewan Health AuthorityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPolitical sciencePublic administrationEnvironmental planningGeography

Résumé

récupéré en direct d'OpenAlex

In the public sector, evaluation is essential for assessing policy impact, implementation fidelity, and ensuring accountability among policy- and decision-makers. However, little is known about the extent to which evaluation is used to guide policy-making in small-to-medium-sized municipalities. This analysis sought to explore how municipal policy- and decision-makers in the City of Regina view and incorporate evaluation in their work. This qualitative case study used semi-structured interviews with 30 municipal policy- and decision-makers, and analyzed the data using thematic analysis. Our findings suggest that while municipal policy- and decision-makers have attempted to steer the policy development process toward democratic principles, enhanced legitimacy, and evidence-driven practices, there remain substantial barriers to implementing these changes. Key challenges, such as superficial legitimacy and limited resources, were found as obstacles to establishing a comprehensive evaluation framework that support consistent, transparent, and accountable municipal policy-making. Our findings provide valuable insights for those involved in the municipal policy-making process.

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)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,148
Tête enseignante GPT0,468
Écart entre enseignants0,321 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Program EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207