Performance improvement, culture, and regimes
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to better understand the performance improvement outcomes that result from the interaction of a performance regime and its context over more than a decade. Design/methodology/approach – A series of partial free disposable hull analyses are performed to graph variations in performance for 13 services in 444 municipalities in one province for over a decade. Findings – There are few examples of mass service improvements over time. This holds even for relative bottom performers, as they do not catch up to average municipalities over time. However, there is also little proof of service deterioration during the same period. Research limitations/implications – A limitation results from the high churning rate of the indicators. The relevance of refining indicators based on feedback from practitioners should not be dismissed, even if it makes the task of proving performance improvement more difficult. It is possible that the overall quality of services on the ground improved, or stayed stable despite diminishing costs, without stable indicators to capture that reality. Practical implications – Not all arrangements incentives and structures of – performance regimes – are equally fruitful for one level of government to steer a multitude of other governments on the generalized path to improved performance. Social implications – With the insight that was not available to public managers putting together these performance regimes in the beginning of the 2000s, the authors offer a proposition: mass performance improvement is not to be expected out of intelligence regime. It neither levels nor improves performance for all (Knutsson et al., 2012). Though there are benefits to such a regime, a general rise in performance across all participants is not one of them. Originality/value – Performance improvements are assessed under difficult, yet common characteristics in the public sector: budgetary realities where there are trade-offs between many services, locally set priorities, no clear definition of what constitutes a good level of performance, and changes in the indicators over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,019 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».