MétaCan
Menu
Retour à la cohorte
Enregistrement W4414128880 · doi:10.4324/9781003465720-34

Academics in the Policy Advisory System

2025· book-chapter· en· W4414128880 sur OpenAlexaboutno aff
Andrea Migone, R. Michael McGregor, Kathy L. Brock, Michael Howlett

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsBridge (graph theory)Public policyAdvisory committeeEvidence-based policyPublic engagementScience policyPublic sector

Résumé

récupéré en direct d'OpenAlex

This chapter examines the evolving role of academics within the policy advisory system (PAS), with a specific focus on Canadian academia. Despite academia&s;s potential to enhance public policy-making through knowledge creation, its impact remains limited due to structural, linguistic, and temporal misalignments with governmental priorities. Drawing on a survey of 505 Canadian academics across disciplines such as health studies, engineering, political science, and business, this research evaluates the extent and nature of academic engagement in policy advisory roles. Findings reveal that academics seldom provide policy advice, with health and political science experts being the most engaged in public sector research. Informal interactions dominate, though formal involvement as advisory committee members occurs infrequently. The study also highlights the role of ‘hyper-experts’, a small yet influential group, who act as knowledge brokers within the PAS. These findings underscore the need for strengthened academic-practitioner collaborations and institutional support to enhance academics’ contributions to evidence-based policy-making. The chapter concludes with recommendations to bridge the academic-practitioner divide and foster co-production of policy knowledge in Canada&s;s complex and evolving PAS landscape.

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)0,010
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,728

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,010
Études des sciences et des technologies0,0230,015
Communication savante0,0220,008
Science ouverte0,0020,007
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0180,004

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 Opus0,029
Tête enseignante GPT0,328
Écart entre enseignants0,298 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigher Education Governance and DevelopmentTravaux en français237 207