Understanding Best Practices for Community Engagement in Municipal Contexts
Notice bibliographique
Résumé
Engaging citizens in decision making has long been understood as part of the democratic process, most commonly recognized as electoral votership. In recent decades, the benefits of providing citizens a variety of opportunities for community engagement (CE) have been documented. Currently, few studies have explored the role of municipal government in engagement processes, and how engagement should be contextualized within municipal policy structures and practices. The City of Kitchener, located in Ontario, Canada is in the process of formalizing engagement practices through policy. In partnering with the City of Kitchener, five interviews were conducted with four Canadian municipalities and one Region (N = 5), in order to gain a local perspective (City of Cambridge, Region of Waterloo), to explore municipalities with existing CE policies (City of Edmonton and City of Calgary), and to learn more about municipalities with innovative engagement methods (City of Guelph/Participatory Budgeting). The following research identified community engagement principles, strategies and policy structures that have been employed with proven success. The current study found two types of âbest practicesâ: 1) theoretical mechanics of change which includes a formalized policy (values, principles, framework) and deliberative attention within the policy to diversity and empowerment; and 2) facilitation processes and resources of implementation that put theory into practice (e.g., community partnerships and champions). These findings inform the work of the City of Kitchener directly and have implications for a model of successful community engagement within municipal settings that articulates how to develop and deliver community engagement.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».