Szempontok a városi kormányzási elméletekhez Budapest, Bécs, Prága és Varsó közigazgatási helyzetének összehasonlítása alapján
Bibliographic record
Abstract
A városi kormányzás (urban governance) szemléletmódja az utóbbi évtizedekben népszerű kutatási témává nőtte ki magát. A kutatások középpontjában elsősorban az állami és privát szereplők együttműködése, valamint a városrégiós kormányzás kérdéskörei állnak, arról azonban lényegesen kevesebb szó esik, hogy a városok milyen tágabb jogi-közigazgatási környezetbe ágyazódnak, illetve hogy ennek milyen hatása lehet a városi kormányzás egyéb aspektusaira. Az urban governance elméleteinek nagy része a nyugati (főként angolszász) nagyvárosokban tapasztaltakra épül, más térségek nagyvárosainak kormányzási jellemzőire ugyanakkor csekély a rálátásunk. E kutatási deficitre reagálva a tanulmány négy közép-európai főváros – Budapest, Bécs, Prága és Varsó – állami közigazgatási struktúrába való beépülését, belső kormányzási viszonyait (a főváros-kerület viszonyrendszert), valamint ezek 1990 óta történt változásait mutatja be. A több tekintetben hasonló fővárosok vizsgált közigazgatási jellemzői jelentős mértékben eltérnek egymástól. Budapest szinte minden vizsgálati szempont alapján élesen elkülönül a többi várostól, míg Bécs, Prága és Varsó közigazgatása több tekintetben hasonlít egymásra. A lengyel főváros Budapesthez hasonló kormányzási rendszerének közelmúltban történt radikális megváltoztatása figyelemre méltó fejlemény lehet a magyar fővárosra nézve. A négy város összehasonlítása nemcsak arra mutatott rá, hogy a városi kormányzási vizsgálatoknak számba kell venniük a városok közigazgatási környezetét, hanem egyúttal arra is, hogy Budapest kormányzása további kutatásokat igényel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.047 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".