ANALYSIS OF THE GOVERNMENT RELATIONS BETWEEN CREDIT UNIONS AND THE FARM CREDIT CANADA
Notice bibliographique
Résumé
Since the 1990s, some credit unions have expressed concerns about Farm Credit Canada’s (FCC)—a government-owned agricultural lender— competitive behaviour, potentially risking the viability of credit unions that specialize in serving the agricultural market. Given this historical tension, the important role that credit unions play in the Canadian economy, and the limited scholarly attention to credit unions’ government relations, this research explores the evolving relationship between credit unions and FCC over the past 50 years from the vantage point of its advocacy strategy. In conducting this research, I employed a qualitative case study method. I reviewed 50 FCC annual reports and conducted 13 interviews with officials from credit unions, the Canadian Credit Union Association (CCUA), and FCC. To describe the evolving relationship, I identified five distinct periods based on the prevailing nature of the credit union sector’s government relations strategy concerning FCC: 1) 1969-1992, Pro-complementarity, 2) 1993-2000, Shifting towards Pro-competition, 3) 2001-2010, Pro-Competition, 4) 2011-2021, Pro-Competition with the establishment of the Liaison Committee, and 5) 2022-onward, Competition with Partnership. In analyzing these five periods, I also explain how credit unions have engaged in policy advocacy (outside-in lobbying) and policymaking (inside co-design) to protect their business and purpose against intrusions from FCC. Policy advocacy played a predominant role during the second and third periods as FCC exhibited aggressive competitive behavior. In contrast, policymaking has been more prominent in the last two periods, as the Liaison Committee served as a policy network that promoted collaboration and fostered joint initiatives.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».