Local \nGovernance, \nCreativity \nand \nRegional \nDevelopment \nin \nNewfoundland \nand \nLabrador: \nLessons \nfor \nPolicy \nand \nPractice \nfrom \nTwo \nProjects
Notice bibliographique
Résumé
This report is based on findings from two significant research projects presented at the Celtic \nRendezvous Workshop from June 10-12th, 2010. The first project, Rural-Urban Interaction in \nNewfoundland and Labrador: Understanding and Managing Functional Regions considers regional \nlabour market development, governance and the need for planning to be based on ‘functional’ rather \nthan simply ‘administrative’ regions. The second project, the Innovation Systems Research Network \n(ISRN), is part of a $2.5 million Social Sciences and Humanities Research Council of Canada – \nMajor Collaborative Research Initiative (SSHRC – MCRI) exploring the social dynamics of \neconomic performance in fifteen city regions across Canada. This research, led nationally by David \nWolfe at the University of Toronto, has three major themes: (1) the social dynamics of innovation; \n(2) talent attraction and retention; (3) and governance and inclusion. \n \nDay One of the workshop included presentations on the Functional Regions Project by Alvin \nSimms and Kelly Vodden and presentations on the ISRN Project by Greg Spencer, Anne-Marie \nVaughan, Rob Greenwood, Ken Carter and Damian Creighton, with time set aside for lively debates \nand discussions. The following day started with a panel discussion on the insights and lessons from \nday one, including Bruce Gilbert, Sheila Downer, Kevin Morgan, and Susan Drodge. This was \nfollowed by break-out groups examining the key lessons from this research for policy and practice in \nNewfoundland and Labrador from the perspective of industry, municipal government, the federal \nand provincial governments, and NGOs. The workshop concluded with a five-member panel \ndiscussion on the implications of these findings involving Bill Reimer, Craig Pollett, Richard \nShearmur, Lisa Browne and Kevin Morgan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,082 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».