MétaCan
Menu
Retour à la cohorte
Enregistrement W7037542909

El sistema de transferencias intergubernamentales en Canadá, con especial referencia a la transferencia de nivelación

2020· article· es· W7037542909 sur OpenAlexaboutno aff

Notice bibliographique

RevueidUS (Universidad de Sevilla) · 2020
Typearticle
Languees
DomaineEarth and Planetary Sciences
ThématiqueSubterranean biodiversity and taxonomy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésState (computer science)Work (physics)Federal statePublic policy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En esta Comunicación intentamos describir el sistema de \ntransferencias intergubernamentales en Canadá (sólo se hará referencia \na las transferencias del nivel de gobierno federal al provincialterritorial). Sobre todo, se presta mayor atención a las subvenciones de \nnivelación, con gran tradición en el sistema federal canadiense; se \nexplican sus principios (se funda en el principio de capacidad fiscal), su \nfuncionamiento, sus características, su fórmula de cuantificación y sus \nventajas e inconvenientes. Las subvenciones de nivelación constituyen \nla principal subvención incondicional en Canadá; tienen, por tanto, una \ngran importancia cuantitativa y cualitativa: constituyen un rasgo \nfundamental del sistema federal canadiense. \n3 \nEl objetivo de esta comunicación es presentar y describir \nsomeramente el sistema de transferencias intergubernamentales en \nCanadá. En concreto, es relevante el estudio de las subvenciones de \nnivelación (equalization payments) dada su importancia tanto \ncuantitativa como cualitativa, como se intenta ver en el presente \ntrabajo, en el sistema federal canadiense. \nCanadá es un Estado federal que se fundó en 1867 bajo un pacto \nfederal entre cuatro provincias originarias, el cual se concretó en la \nBritish North America Act1. Esas cuatro provincias fundadoras fueron: \nNueva Escocia, Nueva Brunswick, Ontario y Quebec, a las cuales se les \nfueron uniendo las restantes provincias hasta un total de diez \nprovincias, a las que hay que añadir dos territorios2. Las seis provincias \nrestantes son: Manitoba, Saskatchewan, Isla del Príncipe Eduardo, \nAlberta, Columbia Británica y Terranova. Los Territorios son : Yukón y \nlos Territorios del Noroeste, a los que hay que añadir Nunavut, \noficialmente constituído el uno de Abril de 1999. \nAsí pues, en el apartado 1 vamos a presentar las principales \ntransferencias entre los dos niveles de gobierno reconocidos \nconstitucionalmente: el nivel federal y el provincial-territorial. En el \napartado 2 se tratará más extensamente las transferencias de \nnivelación de capacidad fiscal, las cuales son muy características del \nsistema de financiación intergubernamental canadiense. Por último, se sacarán algunas conclusiones teniendo en cuenta, sobre todo, los \ncuadros del apéndice.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,043
Score d'incertitude au seuil0,316

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,008
Études des sciences et des technologies0,0040,002
Communication savante0,0090,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,030
Tête enseignante GPT0,224
Écart entre enseignants0,193 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueidUS (Universidad de Sevilla)Même sujetSubterranean biodiversity and taxonomyTravaux en français237 207