MétaCan
Menu
Retour à la cohorte
Enregistrement W4415586416 · doi:10.21083/crrf.v29i1.7645

Public Benefit from Public Resources?: Understanding the Changing Conditions for Rural Resource Regions

2025· article· W4415586416 sur OpenAlexaff
Sean Markey, Greg Halseth, Laura Ryser

Notice bibliographique

RevueProceedings of the Canadian Rural Revitalization Foundation · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensUniversity of Northern British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésResource (disambiguation)Redistribution (election)Presentation (obstetrics)PoliticsCapital (architecture)Resource allocationRural areaResource distribution

Résumé

récupéré en direct d'OpenAlex

The purpose of this presentation is to understand how institutional processes at the national or sub-national level contribute to making rural resource regions attractive places for capital and labour through the redistribution of royalties/revenues from resource industries. The presentation will outline how different political and economic contexts shape how resource royalties/revenues are collected and distributed back into the region from which the resources have been extracted, and how effectively resource royalties strengthen the regional economy. Drawing from a theoretical foundation of staples theory, evolutionary economic geography and new regionalism, this presentation will examine the relationship between the state and resource regions. In particular the presentation will seek to engage the CRRF audience with a more detailed understanding of: (i) the political economy of the redistributive policy mechanisms used to support economic development in rural resource peripheries, (ii) how and why these resource royalty regimes have evolved (and changed) over time, and (iii) how royalty funds are collected and used at the regional and local level to support community and regional economic development.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,919
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,009
Communication savante0,0130,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,046
Tête enseignante GPT0,241
Écart entre enseignants0,195 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Rural Revitalization FoundationMême sujetRural development and sustainabilityTravaux en français237 207