Renewing questions about two-tier governance: Understanding how metropolitan governance impacts biodiversity protection in Greater Montreal and Greater Toronto
Bibliographic record
Abstract
Reconnaissant que la perte de biodiversité et les changements climatiques sont des crises jumelles, les régions métropolitaines du monde entier cherchent à mettre en œuvre des stratégies de biodiversité par le biais de formes spécifiques de gouvernance métropolitaine ancrées dans les héritages institutionnels existants. Pour comprendre les effets des institutions métropolitaines sur la gouvernance de la biodiversité urbaine, j'examine les structures institutionnelles et régionales des deux régions métropolitaines les plus peuplées du Canada, dont le Grand Montréal et le Grand Toronto. Ce mémoire compare les conséquences politiques distinctes de la structure institutionnelle du Grand Montréal et du Grand Toronto. Il tente d’améliorer notre compréhension de la manière dont un deuxième palier de gouvernement à Montréal (la Communauté métropolitaine de Montréal), qui fixe les objectifs de protection et de conservation de la biodiversité dans la région métropolitaine de Montréal, contraste avec la région de Toronto, dont la plus grande région est plus directement gouvernée par la Province de l'Ontario. En m'appuyant à la fois sur les travaux d'Elinor Ostrom sur la gouvernance métropolitaine et sur des entretiens avec des acteurs urbains dans les deux régions métropolitaines étudiées, je démontre comment des arrangements institutionnels fragmentés sont dominés par la gestion provinciale (comme c'est le cas pour la région de Toronto), et conduisent à des résultats moins bons pour la biodiversité
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".