MétaCan
Menu
Retour à la cohorte
Enregistrement W1966047103 · doi:10.3917/ripc.112.0241

Réformes budgétaires dans le secteur public : tendances et défis

2004· article· fr· W1966047103 sur OpenAlexaboutno aff
Miekatrien Sterck, Bram Scheers, Geert Bouckaert

Notice bibliographique

RevueRevue internationale de politique comparée · 2004
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Au cours des dernières décennies, les systèmes budgétaires publics ont été modernisés. La nécessité d’une efficience, une efficacité et une reddition de comptes accrues a donné lieu à un changement d’orientation qui s’est traduit par le passage d’un budget par objet de dépense et une budgétisation de caisse modifiée à une démarche axée sur les impacts, les prestations et les coûts. Malgré cette tendance générale, la budgétisation axée sur les résultats a été appliquée d’une manière et dans une mesure différente selon les pays. On dénombre, tout d’abord, des pays qui ont totalement appliqué ou sont en traîn d’appliquer la budgétisation d’exercice et la budgétisation axée sur les impacts (l’Australie, le Royaume-Uni et la Suède) ou la budgétisation axée sur les prestations (la Nouvelle-Zélande). Viennent ensuite des pays qui ont adopté la budgétisation axée sur les impacts mais qui s’accrochent à un système de budgétisation de caisse modifiée (les Pays-Bas). Enfin, on compte les pays qui s’en tiennent à un budget programmes traditionnel de caisse modifiée ou d’exercice modifié où les prestations et les résultats sont uniquement repris dans des documents explicatifs relatifs au processus budgétaire (le Canada, les États-Unis). Ainsi, les gouvernements s’emploient activement à réformer leurs systèmes budgétaires. Toutefois, ils doivent relever un grand nombre de défis car les systèmes budgétaires ont de multiples fonctions et de multiples utilisateurs qui peuvent entrer en concurrence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,325
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue internationale de politique comparéeMême sujetSocial Sciences and GovernanceTravaux en français237 207