How Municipal Actors Leverage Evidence to Support Urban Planning: Perspectives from the City of Regina
Bibliographic record
Abstract
Malgré les demandes croissantes pour l’élaboration de politiques respectueuses des données probantes, les stratèges et décideurs des gouvernements municipaux se heurtent souvent à des obstacles pour les intégrer à leurs travaux. Ces obstacles peuvent être particulièrement marqués dans les villes de taille petite à moyenne, dont les ressources sont souvent comparativement limitées par rapport à celles des plus grandes villes qui sont au cœur d'une grande partie des publications existantes. Les auteurs ont interviewé 30 acteurs municipaux qui participent à la planification urbaine de la Ville de Regina — le gouvernement municipal représentant la ville moyenne de Regina située dans l'Ouest canadien. L’étude a révélé que les données probantes ont une importance différente en fonction des stratèges et des décideurs. Les interviewés avaient diverses définitions des données probantes, avaient accédé à des sources de données probantes différentes, accordaient une confiance variable à certaines formes de données probantes et affrontaient divers obstacles à l'intégration des données probantes à leur travail quotidien. Le présent article contribue à mieux comprendre le rôle des données probantes chez les planificateurs urbains et contient des leçons importantes pour corriger l’écart entre les stratèges et décideurs en planification urbaine et les producteurs de données probantes.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".