MétaCan
Menu
Retour à la cohorte
Enregistrement W7155356043 · doi:10.1007/978-3-030-40060-6_15#citeas

The Governance Challenge of Urban Living Laboratories: Using Liminal ‘In-Between’ Space to Create Livable Cities

2020· book-chapter· W7155356043 sur OpenAlexaff
L Oldenhof, Sabrina Huizenga, Hester van de Bovenkamp, R Bal

Notice bibliographique

RevueEUR Research Repository (Erasmus University Rotterdam) · 2020
Typebook-chapter
Langue
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésLiminalityCorporate governanceLegitimacyPlacemakingAccountabilityBureaucracyGeneral partnershipSpace (punctuation)Value (mathematics)

Résumé

récupéré en direct d'OpenAlex

In order to address urban challenges Urban Living Labs (ULL’s) are set up as new forms of partnership between state, (market) and civil society. The primary governance challenge of ULL’s is to effectively use their liminal in-between position to create livable cities. However, liminal space at the same time is claimed to generate certain risks in terms of legitimate decision-making and accountability. By zooming in on the empirical case of ULL’s in a large Dutch city in the Randstad area the authors ask: Which key value trade-offs are made in the liminal space of ULL’s and which new institutional rules emerge in order to deal with these trade-offs? In this chapter the authors identify the following trade-offs: institutional collaboration versus autonomous activism, professional versus lay participation and values, the social versus the material, place bound experimentation versus placeless learning and accountability and capital value versus societal value. Calls for new institutional rules for city making to deal with these trade-offs can potentially address the lack of legitimacy in decision-making, yet may also hamper the open-ended nature of experimentation by introducing bureaucratic procedures and co-opting labs into implementing formal policy.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,014
Communication savante0,0110,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,068
Tête enseignante GPT0,264
Écart entre enseignants0,196 · 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'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEUR Research Repository (Erasmus University Rotterdam)Même sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207