MétaCan
Menu
Retour à la cohorte
Enregistrement W6926490316 · doi:10.25384/sage.c.5220501.v1

The representativeness of neighbourhood associations in Toronto and Vancouver

2020· other· en· W6926490316 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2020
Typeother
Langueen
DomaineComputer Science
ThématiqueEducational Challenges and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeighbourhood (mathematics)Representativeness heuristicVotingPoliticsIdeologyVoting behavior

Résumé

récupéré en direct d'OpenAlex

Neighbourhood associations are major players in urban politics throughout North American cities and increasingly are becoming a political force in other parts of the world. However, while there is a rich and well-developed literature on the role played by neighbourhood associations in urban politics, few studies examine whether their membership reflects the socio-demographic composition and interests of the broader public. This paper addresses this gap in the literature using survey data from voters conducted during the Vancouver and Toronto 2018 municipal elections. We compare the responses of participants who identify as members of neighbourhood associations (or their equivalents) with those of the broader voting public. We find that members of neighbourhood associations in both cities are not representative of the broader population. They are more likely to be white, older and have higher education than the average voter. In addition, while the ideology of neighbourhood association members differs little from that of the broader public, their policy priorities are different from those of the majority of voters in both cities. Our findings suggest that neighbourhood associations fail in providing descriptive representation and may not offer substantive representation. These findings raise important questions about the role of neighbourhood associations in local governance. Our study also demonstrates the merit of using individual-level surveys to learn more about the composition and policy preferences of neighbourhood associations.

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)0,010
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: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,399

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,077
Tête enseignante GPT0,376
Écart entre enseignants0,299 · 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
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataMême sujetEducational Challenges and InnovationsTravaux en français237 207